Đề tài nghiên cứu khoa học: Những yếu tố ảnh hưởng đến sự nỗ lực trong việc phát triển năng lực số cá nhân của sinh viên Học viện Ngân hàng

Những lý do này đã thôi thúc nhóm tác giả quyết đinh chọn “Những yếu tố ảnh hưởng đến sự nỗ lực trong việc phát triển năng lực số cá nhân của sinh viên Học viện Ngân hàng” làm đề tài cho

Tính cấp thiết của đề tài

Theo Henriette và cộng sự (2015), cuộc cách mạng số hóa đang diễn ra mạnh mẽ, ảnh hưởng đến hầu hết các lĩnh vực và khiến các tài sản vật chất truyền thống dần được số hóa Các tổ chức và doanh nghiệp phải thích ứng với sự thay đổi này khi mô hình nghề nghiệp liên tục biến đổi Đỗ Văn Hùng và Trần Đức Hòa (2021) nhận định rằng mạng xã hội và công nghệ là những yếu tố then chốt định hình sự phát triển của tổ chức, mở ra nhiều cơ hội việc làm và tái định nghĩa các khái niệm kinh tế Sinh viên hiện nay, với sự tiếp xúc sâu rộng với công nghệ số, mang theo thói quen sử dụng công nghệ vào trường học và nơi làm việc, làm tăng sự phụ thuộc của khách hàng vào hệ sinh thái công nghệ.

Nhiều báo cáo từ các quốc gia Đông Nam Á khẳng định rằng, lãnh đạo cần có những biện pháp thích ứng với những biến chuyển của nền kinh tế, đặc biệt là ảnh hưởng từ công nghệ số Trong lĩnh vực giáo dục, Chang và cộng sự (2016) nhấn mạnh tầm quan trọng của việc cải thiện hệ thống giáo dục, chú trọng đào tạo kỹ năng số nhằm tạo ra nguồn nhân lực có khả năng đáp ứng nhu cầu của thị trường lao động đang thay đổi nhanh chóng.

Sự phổ biến của công nghệ trong giáo dục ngày càng gia tăng, đặc biệt từ đầu năm 2019 khi dịch Covid-19 bùng phát Việc ứng dụng công nghệ trong giáo dục không chỉ đáp ứng nhu cầu của sinh viên mà còn hỗ trợ họ tìm kiếm tài liệu học tập và kiến thức phù hợp một cách nhanh chóng (Omar & cộng sự, 2022).

Dưới góc độ sinh viên và người lao động, việc thành thạo và sử dụng năng lực số là vô cùng quan trọng Để đạt được điều này, sinh viên cần tích cực rèn luyện kỹ năng số, từ việc sử dụng công nghệ thông tin đến tham gia các khóa học trực tuyến Năng lực số không chỉ giúp nâng cao khả năng học tập mà còn mở ra nhiều cơ hội việc làm trong thị trường lao động hiện đại.

Để nâng cao hiệu quả học tập kỹ thuật số, việc tăng cường động lực nội tại là rất quan trọng Hai viên cần áp dụng những phương pháp phù hợp nhằm gia tăng động lực trong việc tiếp thu kiến thức và kỹ năng số Theo nghiên cứu của Omar và cộng sự, động lực này có ảnh hưởng mạnh mẽ đến quá trình học tập.

Năm 2022, sự nỗ lực trong việc phát triển năng lực số được coi là yếu tố quan trọng, đại diện cho động lực trong quá trình học tập Theo Matsumoto (2009), động lực được hiểu là nỗ lực nhằm hoàn thành các mục tiêu đã đề ra Trong nghiên cứu này, nhóm tác giả định nghĩa sự nỗ lực là sự cố gắng của sinh viên trong việc đạt được kết quả tốt hơn hoặc cải thiện kỹ năng số và năng lực số của bản thân.

Tại Việt Nam, nhiều nghiên cứu về năng lực số đã được công bố, nhưng chưa có nghiên cứu nào tập trung vào việc tạo động lực và khơi gợi nỗ lực phát triển năng lực số cho sinh viên Nhiều sinh viên mong muốn cải thiện kỹ năng số nhưng thiếu phương hướng rõ ràng về các yếu tố cần cải thiện Đặc biệt, khảo sát tại Học viện Ngân hàng cho thấy nỗ lực của sinh viên trong việc nâng cao năng lực số chỉ ở mức trên trung bình, với điểm trung bình dưới 3.5 trên thang điểm 5 Hiện tại, vẫn chưa có nghiên cứu nào được thực hiện để tìm hiểu và đề xuất giải pháp cải thiện vấn đề này.

Nhóm đã chọn nghiên cứu về “Những yếu tố ảnh hưởng đến sự nỗ lực trong việc phát triển năng lực số cá nhân của sinh viên HVNH” nhằm khám phá các yếu tố tác động đến sự phát triển kỹ năng số của sinh viên.

Mục tiêu nghiên cứu

Mục tiêu tổng quát

Nhóm nghiên cứu tập trung vào việc xác định rõ ràng vấn đề nghiên cứu và mối quan hệ giữa các yếu tố với nỗ lực phát triển kỹ năng số của sinh viên Học viện Ngân hàng (HVNH) Dựa trên kết quả phân tích, nhóm tác giả đề xuất các giải pháp nhằm thúc đẩy nỗ lực của sinh viên HVNH trong việc nâng cao kỹ năng số.

Nhiệm vụ nghiên cứu cụ thể

Khung lý thuyết về sự nỗ lực và năng lực số cần được xác định rõ ràng, với các yếu tố kỹ thuật và tâm lý của sinh viên đóng vai trò quan trọng trong việc ảnh hưởng đến nỗ lực phát triển kỹ năng số Những yếu tố này không chỉ giúp sinh viên nhận thức rõ hơn về khả năng của bản thân mà còn thúc đẩy họ trong quá trình học tập và rèn luyện kỹ năng số.

- Phân tích, xem xét mức độ ảnh hưởng của từng nhân tố đối với sự nỗ lực nâng cao kỹ năng số của sinh viên HVNH

- Nếu lên các đề xuất, giải pháp cụ thể để nâng cao sinh viên HVNH gia tăng sự nỗ lực trong việc cải thiện kỹ năng số.

Phương pháp nghiên cứu

Bài nghiên cứu kết hợp hai phương pháp chính là nghiên cứu định tính và định lượng Nghiên cứu định tính được thực hiện thông qua việc tìm kiếm và lựa chọn tài liệu, đồng thời nghiên cứu khung lý thuyết từ các công trình trước đó.

Nhóm nghiên cứu đã thực hiện khảo sát thử nghiệm dựa trên các tài liệu được lựa chọn kỹ lưỡng, từ đó sẽ xây dựng thang đo chính thức.

Nhóm nghiên cứu đã tiến hành thu thập dữ liệu thông qua phiếu khảo sát và xây dựng mô hình Dựa trên dữ liệu thu thập được, nhóm tác giả đã xác định quy trình nghiên cứu như sau:

Nhóm tác giả sẽ áp dụng hai phương pháp kiểm định, bao gồm phân tích chỉ số Cronbach’s Alpha và phân tích EFA, để xử lý dữ liệu thu thập được và loại bỏ các biến không cần thiết.

4 hoặc nhóm biến xấu gây ảnh hưởng tiêu cực đối với việc xây dựng mô hình máy học sau này

Sau khi hoàn tất quá trình tiền xử lý dữ liệu, nhóm tác giả đã phát triển một mô hình hồi quy tuyến tính nhằm xây dựng phương trình với các hệ số góc βi Mục tiêu của mô hình này là xác định mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc.

Nhằm nâng cao tính tổng quát và cải thiện độ chính xác của mô hình, nhóm nghiên cứu đã khởi tạo thêm mô hình ElasticNet, một mô hình máy học kết hợp giữa Lasso và Ridge, để tiếp tục phân tích.

• Xây dựng mô hình mạng nơ-ron truyền thẳng nhiều lớp nhằm hoàn thiện, đánh được mức độ ảnh hưởng của tất cả nhân tố

Nhóm tác giả đã tiến hành đánh giá sự khác biệt đối với biến phụ thuộc dựa trên các yếu tố nhân khẩu học như giới tính, thời gian tiếp xúc với thiết bị số, năm học và khoa học viên đang theo học.

Ý nghĩa thực tiễn của đề tài nghiên cứu

Bài nghiên cứu cung cấp cho nhà trường nguồn tham khảo quan trọng để đánh giá mức độ ứng dụng năng lực số và kỹ năng số của sinh viên Dựa vào đó, nhà trường có thể phát triển các chính sách và hoạt động nhằm khuyến khích sinh viên nâng cao năng lực số, từ đó đào tạo ra những sinh viên xuất sắc, không chỉ vững lý thuyết mà còn thành thạo kỹ năng số, đáp ứng nhu cầu của nhà tuyển dụng Đối với sinh viên, việc cải thiện năng lực số và xây dựng lộ trình học tập rõ ràng sẽ nâng cao giá trị bản thân trong mắt nhà tuyển dụng và thị trường lao động.

Cấu trúc bài nghiên cứu

Chương 1: Tổng quan đề tài nghiên cứu

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

Chương 3: Phương pháp nghiên cứu

Chương 4: Kết quả nghiên cứu

Chương 5: Kết luận và đề xuất hàm ý quản trị

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU 6 2.1 Tổng quan về năng lực số

Tổng quan về sự nỗ lực và ảnh hưởng đến phát triển năng lực số

Động lực là yếu tố nội tại quan trọng, ảnh hưởng mạnh mẽ đến hiệu quả học tập Theo Bidin và cộng sự (2019), động lực được hình thành từ nhiều nhân tố khác nhau Trong bối cảnh nghiên cứu này, động lực được hiểu là sự thúc đẩy trong suy nghĩ, cảm xúc và hành vi để đáp ứng mong muốn và nhu cầu, từ đó đạt được sự hài lòng Các nhân tố ảnh hưởng đến động lực bao gồm thái độ, sự tự tin, mục tiêu, sự tham gia, môi trường và giá trị bản thân.

Nghiên cứu của & cộng sự (2015) cho thấy rằng thái độ tích cực của người học là yếu tố quan trọng ảnh hưởng đến động lực học tập Động lực học tập đóng vai trò thiết yếu trong sự thành công của học sinh và sinh viên (Williams-Pierce, 2011) Sự tham gia tích cực trong quá trình tiếp thu kiến thức được xem là biểu hiện của động lực học tập (Taormina & Gao, 2013) Vì vậy, việc phát triển các chiến lược giáo dục nhằm khơi gợi tư duy khám phá là rất cần thiết.

Chiến lược khuyến khích sinh viên tự khám phá và đối mặt với thử thách mới là một phương pháp hiệu quả để tăng cường sự quan tâm của họ đối với việc học tập Theo nghiên cứu của Corno & Anderman (2015), việc thúc đẩy sinh viên chú trọng vào quá trình học tập của bản thân sẽ giúp họ phát triển kỹ năng tự học và nâng cao động lực học tập.

Theo Matsumoto (2009), động lực là nỗ lực theo đuổi mục tiêu, đóng vai trò quan trọng trong việc phát triển kiến thức và năng lực, ảnh hưởng lớn đến thành tích học tập Cách giảng dạy của giáo viên là yếu tố khuyến khích động lực học tập, trong khi thái độ và hứng thú với việc dạy và học có thể tăng cường thực hành năng lực số trong giáo dục, biến nó thành phương pháp học hiệu quả (Abidin & cộng sự, 2014) Điều này phù hợp với chiến lược giảng dạy lấy sinh viên làm trung tâm Theo Asmawati & cộng sự (2019), việc giảng viên sử dụng công nghệ số như công cụ hỗ trợ giảng dạy tỷ lệ thuận với động lực tiếp thu kiến thức của sinh viên.

Valentín và các cộng sự (2013) lập luận rằng việc áp dụng công nghệ được công nhận là một công cụ hiệu quả để kích thích động lực học tập của người học Chen và các cộng sự cũng nhấn mạnh tầm quan trọng của công nghệ trong việc nâng cao trải nghiệm học tập và tạo động lực cho người học.

Năm 2014, một nghiên cứu chỉ ra rằng sự suy giảm thành tích của người học có thể liên quan đến động lực học tập Do đó, động lực và nỗ lực được coi là yếu tố quan trọng trong việc phát triển kỹ năng số của sinh viên Hosseini và cộng sự (2019) nhấn mạnh rằng việc học tập kỹ thuật số đã thu hút sự quan tâm lớn trong giáo dục, như một phương pháp hiệu quả để nâng cao động lực và sự tham gia của người học trong lớp học.

Sự nỗ lực có thể ảnh hưởng và khuyến khích mức độ sử dụng năng lực số (Aziah

Hiệu quả của việc học trên môi trường kỹ thuật số phụ thuộc vào sự tập trung và tham gia tích cực của người học Các nghiên cứu chỉ ra rằng động lực và sự quan tâm của sinh viên là yếu tố quan trọng thúc đẩy hành vi học tập trong không gian số.

Tổng quan nghiên cứu có liên quan đến đề tài nghiên cứu

2.3.1.1 Nghiên cứu của Zhao & cộng sự (2021)

Trong nghiên cứu của Zhao và cộng sự (2021), yếu tố "sự nỗ lực cải thiện năng lực số" được xem là một phần trong biến phụ thuộc cải thiện năng lực số Mục tiêu chính của nghiên cứu là xác định mức độ ảnh hưởng của năm kỹ năng trong thang đo DigComp 2.0 đối với biến phụ thuộc này Tuy nhiên, nghiên cứu chỉ tập trung vào việc cải thiện năng lực số cho sinh viên tại một trường đại học ở Malaysia mà chưa đi sâu vào các yếu tố cần tác động để nâng cao sự nỗ lực phát triển năng lực số của sinh viên Hơn nữa, tác giả chỉ sử dụng các yếu tố kỹ năng mà không đề cập đến các khía cạnh khác như thái độ và cảm xúc của người học.

2.3.1.2 Nghiên cứu của Omar & cộng sự (2022) Đối với nghiên cứu của Omar & cộng sự (2022), yếu tố “sự nỗ lực phát triển năng lực số” đã được đề cập đến khá rõ ràng Tuy nhiên trong công trình này, sự nỗ lực cũng chỉ đóng vai trò như một yếu tố dùng để định nghĩa cho yếu tố động lực Mục đích chính của nghiên cứu này cũng là xác định mức độ ảnh hưởng của các yếu tố như thái độ, kỹ năng, kiến thức đối với biến phụ thuộc là động lực Ngoài ra, công trình này cũng chỉ dừng tại việc sử dụng phương pháp đánh giá hệ số tương quan Pearson (r) nhằm xem xét mức ảnh hưởng một cách tổng quát chứ chưa đi sâu xem xét tác động của từng nhân tố

Tại Đại học Huế, Nguyễn Ngọc Nam và cộng sự (2023) đã phát triển khung năng lực số cho sinh viên dựa trên nghiên cứu của Zhao & cộng sự (2021) và khung năng lực số châu Âu Tuy nhiên, nghiên cứu này không đề cập rõ ràng đến yếu tố nỗ lực của sinh viên Bên cạnh đó, nghiên cứu chỉ dừng lại ở việc thu thập và phân tích dữ liệu mà chưa đưa ra các đề xuất cải thiện năng lực số cho sinh viên.

Hình 2.1 Mô hình nghiên cứu của Nguyễn Ngọc Nam & cộng sự (2023)

Nguồn: Dữ liệu tổng hợp của nhóm tác giả

2.3.3 Điểm mới của đề tài nghiên cứu

Việt Nam hiện nay còn thiếu nghiên cứu về năng lực số và sự phát triển kỹ năng số Nghiên cứu này nhằm khai thác khoảng trống đó bằng cách áp dụng chuẩn đầu ra DigComp 2.0 của Uỷ ban Châu Âu để xây dựng mô hình các nhân tố ảnh hưởng đến sự nỗ lực phát triển năng lực số của sinh viên HVNH Mô hình này bao gồm các yếu tố như năng lực giao tiếp và hợp tác trên môi trường số, sáng tạo nội dung số, giải quyết vấn đề kỹ thuật số, thông tin và dữ liệu, cùng với an toàn kỹ thuật số Ngoài ra, nhóm tác giả còn bổ sung yếu tố từ mô hình đánh giá của Omar & cộng sự (2022) là sự quan tâm và hài lòng Mô hình tổng hợp này kỳ vọng sẽ cung cấp cái nhìn sâu sắc về các điều kiện cần thiết để nâng cao năng lực số trong giáo dục đại học.

Đối tượng nghiên cứu là sinh viên tại Học viện Ngân hàng (HVNH), nơi mà vấn đề năng lực số tổng quát và nỗ lực cải thiện năng lực số chưa được đề cập nhiều Mục tiêu của nhóm tác giả là khắc phục lỗ hổng nghiên cứu này.

Nhóm tác giả mong muốn xác định các yếu tố chính ảnh hưởng đến nỗ lực cải thiện năng lực số của sinh viên thông qua nghiên cứu các biến số Dựa trên những phát hiện này, nhóm sẽ đưa ra các đề xuất hiệu quả nhằm hỗ trợ hoạch định chính sách giáo dục Mục tiêu là giúp Học viện Ngân hàng tối ưu hóa chương trình giảng dạy, từ đó xây dựng nguồn lao động phù hợp với yêu cầu của thời đại số.

Mô hình nghiên cứu và các giả thuyết

Năng lực thông tin và dữ liệu

Nghiên cứu của Omar & cộng sự (2022) đã chỉ ra tác động của các kỹ năng số đến sự nỗ lực cá nhân của sinh viên Bài nghiên cứu này sẽ đánh giá ảnh hưởng của các kỹ năng như tìm kiếm, lọc, đánh giá, phát triển tư duy phản biện, và quản lý thông tin, nội dung số đối với nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng.

H1: Năng lực thông tin và dữ liệu có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng

Năng lực giao tiếp và hợp tác trên môi trường số

Theo nghiên cứu của Vuorikari và cộng sự (2022), khả năng giao tiếp và hợp tác trong môi trường số bao gồm các kỹ năng như tương tác, chia sẻ và hợp tác qua công nghệ số, cũng như ứng xử lịch sự trên không gian mạng Nghiên cứu của Omar và cộng sự (2022) đã phân tích tác động tổng thể của các kỹ năng số đối với sự nỗ lực của sinh viên, từ đó xác định giả thuyết nghiên cứu.

Năng lực giao tiếp và hợp tác trong môi trường số đóng vai trò quan trọng trong việc thúc đẩy sự phát triển năng lực số của sinh viên Học viện Ngân hàng Việc nâng cao kỹ năng này không chỉ giúp sinh viên tương tác hiệu quả hơn mà còn tạo ra cơ hội học hỏi và trao đổi kiến thức Sự kết nối và hợp tác trong không gian số giúp sinh viên phát triển tư duy sáng tạo và khả năng giải quyết vấn đề, từ đó nâng cao giá trị cạnh tranh trong thị trường lao động.

Năng lực sáng tạo nội dung số

Zhao và cộng sự (2021) nhấn mạnh rằng khả năng sáng tạo nội dung số bao gồm các kỹ năng như tạo và phát triển nội dung kỹ thuật số, nhận thức về bản quyền và giấy phép để biên tập nội dung, cùng với kỹ năng lập trình Trong khi đó, Nguyễn Ngọc Nam và cộng sự (2023) cho rằng việc đánh giá năng lực sáng tạo liên quan đến mức độ hiểu biết, khả năng sử dụng ứng dụng và công cụ chuyên môn, cũng như các lý thuyết về quyền sở hữu trí tuệ và những yếu tố khác Dựa trên những điểm này, nhóm tác giả đã xây dựng giả thuyết thứ ba.

H3: Năng lực sáng tạo nội dung số có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng

Năng lực an toàn kỹ thuật số

Trần Đức Hoà và Đỗ Văn Hùng (2021) định nghĩa an toàn kỹ thuật số là sự kết hợp của các kỹ năng như hiểu biết về dấu chân số, bảo vệ thông tin cá nhân và nhận diện rủi ro Nghiên cứu của Omar và cộng sự (2022) đã chỉ ra tác động tổng thể của các kỹ năng số đến nỗ lực cá nhân của sinh viên, từ đó hình thành giả thuyết thứ ba dựa trên những phát hiện này.

H4: Năng lực an toàn kỹ thuật số có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng

Năng lực giải quyết vấn đề kỹ thuật số

Zhao & cộng sự (2021) nhấn mạnh tầm quan trọng của năng lực giải quyết vấn đề trong môi trường số, bao gồm khả năng phát hiện vấn đề và nhu cầu Trong khi đó, Nguyễn Ngọc Nam & cộng sự (2023) tập trung vào việc đánh giá khả năng sáng tạo qua khả năng ứng biến và giải quyết các khúc mắc kỹ thuật số, cũng như lựa chọn dịch vụ và thiết bị phù hợp Dựa trên những luận điểm này, nhóm tác giả đã xây dựng giả thuyết thứ tư.

Năng lực giải quyết vấn đề kỹ thuật số đóng vai trò quan trọng trong việc nâng cao năng lực số của sinh viên tại Học viện Ngân hàng Khả năng này không chỉ giúp sinh viên phát triển kỹ năng cần thiết để thích ứng với môi trường số hóa, mà còn thúc đẩy sự sáng tạo và khả năng tư duy phản biện Việc cải thiện năng lực giải quyết vấn đề kỹ thuật số sẽ góp phần tích cực vào sự phát triển toàn diện của sinh viên, chuẩn bị cho họ những cơ hội nghề nghiệp trong tương lai.

Theo Đặng Đoàn Phi Hùng & cộng sự (2022), sự hài lòng của người học là yếu tố quan trọng trong việc đánh giá phương pháp giáo dục, phản ánh sự phù hợp và thành công trong việc thúc đẩy tư duy học tập Để nâng cao sự hài lòng của sinh viên, môi trường giáo dục cần cải thiện trải nghiệm học tập và quy trình dạy học Omar & cộng sự (2023) nhấn mạnh rằng sự hài lòng ảnh hưởng trực tiếp đến động lực học tập của sinh viên, trong khi Matsumoto (2009) định nghĩa động lực là nỗ lực theo đuổi mục tiêu Dựa trên những khái niệm này, nhóm nghiên cứu sẽ xem xét mối tương quan giữa sự nỗ lực phát triển năng lực số của sinh viên HVNH và sự hài lòng.

H6: Sự hài lòng có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng

Theo Ainley (2006), sự quan tâm được xem như một trạng thái cảm xúc phản ánh trải nghiệm học tập chủ động của người học, xuất phát từ các kích thích và hứng thú tích cực O’Keefe và cộng sự (2017) nhấn mạnh mối liên hệ chặt chẽ giữa sự quan tâm, động lực và sự tham gia Matsumoto (2009) định nghĩa động lực là nỗ lực hướng tới việc đạt được mục tiêu đã đề ra Dựa trên những luận điểm này, ta có giả thuyết thứ 7.

H7: Sự quan tâm có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng

Nhóm tác giả đã xây dựng mô hình dựa trên nghiên cứu của Zhao & cộng sự

(2021) và Omar & cộng sự (2022) để giải thích sự nỗ lực phát triển năng lực số của sinh viên HVNH

Hình 2.2 Mô hình nghiên cứu đề xuất

Chương này cung cấp một cái nhìn tổng quan về năng lực số, một khái niệm ngày càng quan trọng trong giáo dục và phát triển cá nhân trong kỷ nguyên số Nó phân tích các nhân tố ảnh hưởng đến sự phát triển năng lực số thông qua nhiều nghiên cứu trong nước và quốc tế, tạo nền tảng cho nghiên cứu này Điểm mới của nghiên cứu được làm rõ, mang đến cái nhìn toàn diện và mới mẻ về vấn đề Cuối cùng, chương 2 trình bày mô hình nghiên cứu cùng với các giả thuyết nghiên cứu.

Chương tiếp theo sẽ tập trung vào việc nghiên cứu và thử nghiệm các giả thuyết nhằm tìm hiểu mối liên hệ giữa các yếu tố đã đề cập và sự nỗ lực phát triển kỹ năng số của sinh viên Học viện Ngân hàng.

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

Hình 3.1 Quy trình nghiên cứu đề xuất

Nguồn: Đề xuất của nhóm tác giả

Phương pháp nghiên cứu

Nhóm nghiên cứu sử dụng phân tích định tính để xác định các yếu tố ảnh hưởng đến sự nỗ lực phát triển năng lực số của sinh viên HVNH Quá trình bắt đầu bằng việc tìm kiếm và nghiên cứu các tài liệu khoa học trước đây liên quan đến chủ đề này Các nhân tố có tác động mạnh mẽ đến sự phát triển năng lực số được xác định qua dữ liệu thu thập, sau đó được liệt kê, tóm tắt và kiểm định tính phù hợp, chính xác và đầy đủ với thực tế sinh viên HVNH Những yếu tố không phù hợp hoặc trùng lặp sẽ được loại bỏ, đồng thời bổ sung các yếu tố cần thiết nếu thiếu.

Phiếu khảo sát sơ bộ được phát triển dựa trên các yếu tố đã được xác định và đánh giá ở bước 2 Khảo sát thử nghiệm được thực hiện với 30 sinh viên từ 5 khoa khác nhau tại HVNH, nhằm thu thập ý kiến phản hồi về tính dễ hiểu và rõ ràng của các câu hỏi trong bảng khảo sát Dựa trên kết quả thu thập từ khảo sát thử nghiệm, phiếu khảo sát chính thức sẽ được hoàn thiện.

Từ kết quả khảo sát sơ bộ, nhóm nghiên cứu đã xây dụng được mô hình đo lường gồm 7 yếu tố:

• Năng lực thông tin và dữ liệu

• Năng lực sáng tạo nội dung số

• Năng lực giao tiếp và hợp tác trên môi trường số

• Năng lực an toàn kỹ thuật số

• Năng lực giải quyết vấn đề kỹ thuật số

Thang đo các nhân tố đã được điều chỉnh dựa trên nghiên cứu định tính để phù hợp với HVNH, đảm bảo rằng số lượng yếu tố tương thích với khả năng tiếp thu và phản hồi của sinh viên Nội dung câu hỏi cũng đã được điều chỉnh để phù hợp với trình độ và kỹ năng ngôn ngữ của sinh viên, trong khi các thuật ngữ chuyên ngành được giải thích rõ ràng hoặc thay thế bằng từ ngữ đơn giản hơn.

• Thang đo năng lực thông tin và dữ liệu

Nhân tố này thuộc chiều hướng của chuẩn DigComp, bao gồm các kỹ năng tìm kiếm, lọc, đánh giá và phát triển tư duy phản biện (Vuorikari, 2022) Theo thang đo của Zhao và cộng sự (2021), phiếu khảo sát chi tiết với 6 biến quan sát được trình bày trong Phụ lục 2.

Sau khi tiến hành khảo sát thử nghiệm, hai biến quan sát mới là “Tôi hài lòng với kết quả tìm kiếm của mình” và “Tôi có thể xác định các khái niệm và từ khoá quan trọng để mô tả nhu cầu thông tin của mình” đã được bổ sung theo nghiên cứu của Shopova (2014) Bên cạnh đó, nhóm tác giả đã chỉnh sửa các biến quan sát IDL2 và IDL3 dựa trên những ý kiến đóng góp nhận được Thang đo chính thức đã được xây dựng dựa trên những điều chỉnh này.

Bảng 3.1 Thang đo năng lực thông tin và dữ liệu đã hiệu chỉnh

IDL1 Tôi thành thạo sử dụng CNTT để tìm kiếm, xác định, lựa chọn, đánh giá, xử lý, lưu trữ, trích dẫn và giao tiếp thông tin

IDL2 Tôi sử dụng các công cụ tìm kiếm chuyên biệt (VD: Google

Scholar, WolframAlpha…) và các tính năng tìm kiếm nâng cao

IDL3 Tôi có thể xác định loại thông tin nào có thể được tìm thấy ở trang nào, từ đó xây dựng chiến lược tìm kiếm dựa trên chúng

Tôi tiến hành phân tích và đánh giá thông tin, nguồn dữ liệu cùng nội dung số, đồng thời xác minh tính hợp lệ và độ cập nhật của các thông tin đã được tìm thấy.

Tôi áp dụng nhiều phương pháp và công cụ khác nhau để quản lý và lưu trữ thông tin, dữ liệu, cũng như nội dung số, nhằm đảm bảo việc truy cập trở nên dễ dàng và thuận tiện.

IDL6 Tôi có chiến lược riêng để sắp xếp, tổ chức, truy cập thông tin và dữ liệu

IDL7 Tôi hài lòng với kết quả tìm kiếm của mình

IDL8 Tôi có thể xác định các khái niệm và từ khoá quan trọng để mô tả nhu cầu thông tin của mình

• Thang đo năng lực giao tiếp và hợp tác trên môi trường số

Năng lực tương tác trong thế giới số bao gồm quản lý danh tiếng kỹ thuật số và danh tính người dùng thông qua các dịch vụ công và riêng Thang đo thử nghiệm được xây dựng dựa trên nghiên cứu của Zhao và cộng sự (2021), bao gồm 13 biến quan sát, chi tiết có trong Phụ lục 3.

Sau khi tiến hành nghiên cứu định tính, nhóm tác giả đã quyết định loại bỏ các biến CMC3, CMC4, CMC7 và CMC13 Đồng thời, họ cũng đã sửa đổi biến CMC1 và bổ sung thêm ba biến quan sát mới, bao gồm "Tôi có thể sử dụng các nền tảng kỹ thuật số để thực hiện hoạt động mua bán" và "Tôi có thể sử dụng các nền tảng kỹ thuật số trong các giao dịch tài chính như chuyển tiền và thanh toán hóa đơn".

Theo nghiên cứu của ệngel & cộng sự (2022) và Ben Youssef & cộng sự (2022), tôi đã xác định cách truy cập cơ sở dữ liệu trực tuyến, bao gồm các cơ sở dữ liệu học thuật tại trường học và cộng đồng Dựa trên những thông tin này, thang đo chính thức sẽ được xây dựng với 11 biến cụ thể.

Bảng 3.2 Thang đo năng lực giao tiếp và hợp tác trên môi trường số đã hiệu chỉnh

Năng lực giao tiếp và hợp tác trên môi trường số (CMC)

CMC1: Tôi giao tiếp và tương tác qua nhiều thiết bị và ứng dụng số khác nhau (SMS, Email, Messenger, Zalo, các ứng dụng họp trực tuyến,…)

CMC2: Tôi tham gia các mạng xã hội, diễn đàn và cộng đồng trực tuyến để chia sẻ kiến thức, nội dung đa phương tiện và thông tin

CMC3: Tôi sử dụng công nghệ số và phương tiện truyền thông để làm việc nhóm

CMC4: Tôi sử dụng công cụ cộng tác để lập kế hoạch, thực hiện và chia sẻ theo dõi hoạt động, dự án

CMC5: Tôi quen thuộc với các quy tắc ứng xử trên môi trường số

CMC6: Tôi luôn cập nhật và ý thức về đạo đức khi việc sử dụng

CMC7: Tôi nhắc nhở gia đình và bạn bè về các quy tắc ứng xử cơ bản trên Internet

CMC8: Tôi biết cách tạo và quản lý hồ sơ công khai, cá nhân và chuyên nghiệp trên các mạng xã hội

CMC9: Tôi có thể quản lý nhiều danh tính số tùy thuộc vào mục tiêu hoặc bối cảnh

CMC10: Tôi có thể sử dụng các nền tảng kỹ thuật số để thực hiện hoạt động mua bán

CMC11: Tôi có thể sử dụng các nền tảng kỹ thuật số trong các giao dịch tài chính như chuyển tiền và thanh toán hóa đơn

• Thang đo năng lực sáng tạo nội dung số

Theo Vuorikari & cộng sự (2022), năng lực đánh giá được qua mức độ thành thạo các kỹ năng như tạo và phát triển nội dung kỹ thuật số, nhận thức về bản quyền và giấy phép để biên tập nội dung, cùng với kỹ năng lập trình Thang đo của Zhao & cộng sự (2021) bao gồm 6 biến, với thông tin chi tiết được trình bày tại Phụ lục 4.

Sau khi thực hiện khảo sát thực nghiệm, nhóm nghiên cứu đã quyết định loại bỏ biến DGC5 và bổ sung biến quan sát mới: “Tôi sử dụng thành thạo các phần mềm chuyên ngành theo ngành học cụ thể của mình”, nhằm phản ánh đặc thù của từng ngành học Thang đo đã được điều chỉnh và được mô tả chi tiết trong bảng 3.3.

Bảng 3.3 Thang đo năng lực sáng tạo nội dung số đã hiệu chỉnh

Năng lực sáng tạo nội dung số

DGC1: Tôi sử dụng nhiều công cụ và phần mềm để tạo nội dung đa phương tiện ở nhiều định dạng khác nhau (văn bản, hình ảnh, âm thanh, video,…)

DGC2: Tôi có thể sử dụng nhiều phương tiện và phương pháp khác nhau để trình bày ý tưởng một cách sáng tạo

DGC3 cho phép tôi chỉnh sửa, biên tập và cải tiến các nguồn tài nguyên hiện có, từ đó tạo ra nội dung và kiến thức mới có giá trị và liên quan.

DGC4: Tôi có hiểu biết cơ bản về luật sở hữu trí tuệ và cấp phép thông tin, nội dung số khi làm việc với CNTT

DGC5: Tôi có thể tuỳ chỉnh, thay đổi chương trình máy tính, ứng dụng, các cài đặt và thiết bị khi cần thiết

DGC6: Tôi sử dụng thành thạo các phần mềm chuyên ngành theo ngành học cụ thể của mình

• Thang đo năng lực giải quyết vấn đề kỹ thuật số

Theo nghiên cứu của Vuorikari và cộng sự (2022), năng lực số bao gồm khả năng phát hiện nhu cầu trong môi trường số, giải quyết vấn đề và sự cố kỹ thuật trong quá trình sử dụng công nghệ Nó cũng liên quan đến việc tự đánh giá các lỗ hổng năng lực số của bản thân, sử dụng công nghệ một cách sáng tạo và nhận diện các tình huống để đánh giá tính khả thi cũng như hiệu quả của ứng dụng công nghệ Mô hình nghiên cứu của Zhao và cộng sự (2021) về năng lực này được xây dựng trên 6 biến quan sát, với thang đo chi tiết được trình bày trong Phụ lục 5.

Sau khi khảo sát, nhóm tác giả đã quyết định loại bỏ biến PRB5 và bổ sung biến quan sát mới: “Khi không biết cách sử dụng ứng dụng công nghệ, tôi tìm kiếm giải pháp thích hợp.” Điều này phản ánh thực tế rằng sinh viên thường xuyên tìm kiếm sự trợ giúp trực tuyến khi gặp khó khăn với phần mềm cụ thể.

Bảng 3.4 Thang đo năng lực giải quyết vấn đề kỹ thuật số đã hiệu chỉnh

Năng lực giải quyết vấn đề kỹ thuật số (PRB)

PRB1: Tôi quen thuộc với việc sử dụng các thiết bị số và có thể xác định các vấn đề kỹ thuật có thể xảy ra

PRB2: Tôi giải quyết các vấn đề kỹ thuật hàng ngày

Phân tích và xử lý số liệu

Nhóm nghiên cứu đã sử dụng phần mềm SPSS 27.0 để đánh giá và xếp dữ liệu thành các bảng mô tả mẫu Hệ số Cronbach’s Alpha được áp dụng để kiểm định mức độ tin cậy của dữ liệu Dữ liệu đạt yêu cầu sau đó được phân tích EFA nhằm xác định các biến quan sát đại diện cho từng biến độc lập Tiếp theo, dữ liệu được mã hóa và tiến hành phân tích tương quan cũng như hồi quy bội Để nâng cao độ chính xác của mô hình, nhóm áp dụng mô hình ElasticNet Cuối cùng, mô hình mạng nơ-ron được sử dụng để khắc phục những khiếm khuyết của hai mô hình trước, và nhóm nghiên cứu đã đánh giá sự khác biệt trung bình giữa các biến dựa trên từng đặc trưng riêng.

3.3.1 Phân tích hệ số Cronbach’s Alpha

Trong quá trình phân tích dữ liệu, việc đầu tiên cần thực hiện là đánh giá tính tin cậy của thang đo (Nguyễn Đình Thọ, 2012) Nhiều nghiên cứu chỉ ra rằng, nếu chỉ số Cronbach's Alpha nằm trong khoảng từ 0.8 đến 1, thang đo được xem là tốt; trong khi đó, nếu chỉ số này nằm trong khoảng từ 0.7 đến 0.8, thang đo được coi là chấp nhận được.

Phân tích EFA (Phân tích yếu tố khám phá) là một kỹ thuật phân tích dữ liệu định lượng giúp giảm số lượng biến trong tập dữ liệu, từ đó làm cho quá trình phân tích trở nên dễ dàng và hiệu quả hơn.

Theo Anderson và Gerbing (1998), trong quá trình kiểm định phân tích nhân tố khám phá (EFA), các biến quan sát có trọng số nhân tố dưới 0.5 sẽ bị loại bỏ, và tổng phương sai trích được sẽ được kiểm tra Sau khi xác định các biến còn lại, nhóm sẽ hoàn thiện thang đo và tiến hành khởi tạo mô hình hồi quy.

3.3.3 Phân tích tương quan và hồi quy bội Để đánh gia mối tương quan của 2 hay nhiều biến độc lập đối với 1 biến phụ thuộc nhóm sẽ tiến hành xây dựng mô hình hồi quy bội

Theo Gayen (1951) và Field (2009), hệ số tương quan Pearson thường được sử dụng để đánh giá mức độ mạnh yếu của mối liên hệ giữa hai biến Cụ thể, nếu chỉ số tương quan r lớn hơn 0.5 và hệ số Sig nhỏ hơn 0.05, thì mối tương quan này được coi là mạnh mẽ.

Theo Nguyễn Đình Thọ (2012), trong mô hình hồi quy bội, phương pháp Bình phương bé nhất được sử dụng để ước lượng trọng số Hệ số xác định R² (0 < R² < 1) được áp dụng để kiểm tra tính phù hợp của mô hình, và hiệu suất của mô hình sẽ cải thiện khi R² tiến gần đến 1.

3.3.4 Phân tích mô hình ElasticNet

ElasticNet, theo Ogutu và cộng sự (2011), là một thuật toán mở rộng của Lasso, được phát triển để xử lý tình huống có sự tương quan mạnh mẽ giữa các biến dự đoán Thuật toán này được đề xuất nhằm phân tích dữ liệu đa chiều và giải quyết vấn đề không ổn định của các đường dẫn giải pháp Lasso khi các biến có độ tương quan cao.

ElasticNet sử dụng một hỗn hợp của các hệ số phạt (penalty) ℓ1 (Lasso) và ℓ2 (ridge regression), biểu diễn như sau:

Tham số 𝜆1 trong công thức trên đóng vai trò quan trọng trong việc kiểm soát mức độ của hệ số phạt ℓ1, ảnh hưởng đến tính thưa thớt của các hệ số ước lượng Khi giá trị 𝜆1 tăng lên, nhiều hệ số ước lượng sẽ tiến gần đến 0, từ đó tạo ra một mô hình thưa thớt hơn Điều này cho phép loại bỏ các biến không cần thiết khỏi mô hình, giúp giảm thiểu nguy cơ xảy ra hiện tượng quá khớp.

Tham số 𝜆2 điều chỉnh mức độ của hệ số phạt ℓ2, ảnh hưởng trực tiếp đến kích thước của các hệ số ước lượng Khi giá trị 𝜆2 tăng, các hệ số ước lượng khác có xu hướng giảm dần về gần 0, từ đó giúp ổn định mô hình và giảm thiểu sự biến động trong các dự đoán.

Argument of the minimum (đối số của giá trị nhỏ nhất) là thuật ngữ dùng để chỉ giá trị đầu vào của hàm số, giúp xác định đầu ra của hàm đạt giá trị nhỏ nhất có thể.

3.3.5 Kiểm định sự khác biệt giữa các biến định tính

Theo Warner (2013), kiểm định Independent Samples T-test được sử dụng để so sánh giá trị trung bình của hai nhóm dữ liệu độc lập Trong khi đó, theo Ross & Willson (2017), One-way ANOVA là phương pháp kiểm định sự khác biệt về giá trị trung bình giữa các biến độc lập trong nhiều nhóm khác nhau Cả hai phương pháp đều nhằm xác định sự khác biệt trung bình giữa các biến, nhưng ANOVA có khả năng phân tích sự khác biệt giữa hơn hai nhóm, trong khi Independent Samples T-test chỉ đánh giá sự khác biệt giữa hai giá trị trung bình.

3.3.6 Phân tích theo thuật toán mạng nơ-ron truyền thẳng nhiều lớp

Mạng perceptron nhiều lớp (multilayer perceptron) là mô hình mạng nơ-ron phổ biến nhất, bao gồm ba phần: lớp đầu vào, lớp ẩn và lớp đầu ra Tín hiệu thường được truyền theo một chiều từ đầu vào đến đầu ra, tạo thành cơ chế truyền thẳng Do không có vòng lặp trong mạng, đầu ra của mỗi nơ-ron không ảnh hưởng đến cấu trúc của nơ-ron đó Vấn đề tranh cãi nảy sinh xung quanh việc có nên coi lớp đầu vào là một lớp riêng biệt hay không, vì nó chỉ có chức năng truyền tín hiệu mà không qua xử lý.

Tuy nhiên, bài nghiên cứu của Popescu và cộng sự (2009) vẫn đề cập đến việc các nơ- ron đầu vào được nhóm thành lớp đầu vào

Hình 3.2 Mô hình minh hoạ mạng nơ-ron truyền thẳng nhiều lớp

Mạng nơ-ron đa lớp (Multilayer Perceptron) là một ví dụ điển hình trong lĩnh vực trí tuệ nhân tạo, nơi đầu vào của mỗi nơ-ron được tổng hợp và xử lý thông qua một hàm kích hoạt phi tuyến tính Cụ thể, hai hàm sigmoid đơn cực (𝑓(𝑥) = 1) thường được sử dụng để điều chỉnh tín hiệu đầu ra, giúp mạng nơ-ron học hỏi và tối ưu hóa hiệu suất trong các tác vụ phức tạp.

Hàm 𝑒^(-𝑥) + 𝑒^(𝑥) là một trong những hàm phổ biến nhất trong các ứng dụng Cả hai hàm này và các hàm sigmoid đều có ưu điểm nổi bật là tính phi tuyến tính và khả năng đạo hàm, điều này cho phép thực hiện quá trình truyền ngược hiệu quả.

Nhóm tác giả đã lựa chọn hàm tanh làm hàm kích hoạt nhằm xác định mức độ ảnh hưởng giữa biến phụ thuộc và biến độc lập

Hình 3.3 Minh hoạ hàm sigmoid và tanh

Nguồn: The Hyperbolic Tangent and The Sigmoid Activation Functions (Namid,

Thống kê mô tả các biến nghiên cứu

Các thông số về các từng thang đo được biểu diễn tại bảng 4.1 dưới đây:

Bảng 4.2 Thống kê mô tả các biến

Mã Mẫu Min Max Avg Std

Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha

4.3.1 Thang đo các khái niệm

Hình 4.1 Ma trận tương quan giữa các biến quan sát

Nguồn: Dữ liệu phân tích của nhóm tác giả

Biểu đồ cho thấy mối tương quan cao giữa các biến quan sát trong cùng một thang đo, với màu sắc chủ đạo từ hồng đến đỏ, tương ứng với hệ số tương quan từ [0.5, 1] Kết quả này cũng được xác nhận qua độ đo Cronbach’s Alpha cho từng thang đo.

Bảng 4.3 Kết quả kiểm định Cronbach’s Alpha cho các thang đo

Tên biến Ký hiệu Hệ số Cronbach’s Alpha

Năng lực thông tin và dữ liệu IDL 0.969

Năng lực giao tiếp và hợp tác trên môi trường số

Năng lực sáng tạo nội dung số DGC 0.955

Năng lực an toàn kỹ thuật số SFT 0.962

Năng lực giải quyết vấn đề kỹ thuật số PRB 0.960

Hệ số Cronbach’s Alpha của tất cả các thang đo đều vượt quá 0.9, cho thấy độ tin cậy cao Hơn nữa, hệ số tương quan giữa các biến quan sát đều lớn hơn 0.3 và nằm trong khoảng từ 0.6 đến 0.98, chứng tỏ rằng các biến quan sát trong mỗi thang đo đáp ứng đủ tiêu chuẩn để tiến hành bước tiếp theo.

Phân tích nhân tố khám phá EFA

Bảy biến độc lập sẽ được phân tích thông qua EFA để đánh giá mức độ hội tụ của các nhóm biến trong các thang đo Tiếp theo, năm biến thuộc thang đo của biến phụ thuộc về sự nỗ lực cũng sẽ được đưa vào phân tích EFA.

4.4.1 Phân tích EFA cho các biến độc lập

Bảng 4.4 Kiểm định KMO và Bartlett's cho các biến độc lập

Kiểm định KMO và Bartlett's

Giá trị riêng ban đầu 1.024

Tổng bình phương của hệ số tải nhân tố xoay 84.784

Bảng đo trên cho thấy rằng tham số KMO (0.948) > 0.5 và hệ số Sig (0.000) < 0.05 Vậy nên kết quả phân tích EFA được chấp nhận

Có 7 nhân tố được trích với giá trị riêng (eigenvalue) lớn hơn 1 với tổng phương sai tích lũy là 84.784% > 50%, tức là 7 yếu tố này mô tả được 84.784% sự biến thiên của dữ liệu Từ bảng cho thấy được không có biến quan sát nào là biến xấu nên các biến quan sát trong các thang đo được giữ nguyên

Phía dưới là bảng mô tả hệ số tải của các biến quan sát trong ma trận xoay

Bảng 4.5 Bảng ma trận xoay cho các biến độc lập

Biến quan sát Yếu tố

Kết quả phân tích cho thấy mỗi biến chỉ có một hệ số tải duy nhất, không có sự chồng chéo giữa các nhóm biến, điều này đảm bảo không có biến xấu nào ảnh hưởng đến mô hình sau này.

4.4.2 Phân tích EFA cho biến phụ thuộc

Bảng 4.6 Bảng kiểm định KMO và Bartlett’s cho biến phụ thuộc

Kiểm định KMO và Bartlett's

Kiểm tra tính hình cầu (Sig.) 0.000

Giá trị riêng ban đầu (Total) 4.190

Tổng bình phương của hệ số tải nhân tố xoay 83.804

Bảng 4.7 Kết quả EFA của sự nỗ lực phát triển năng lực số

Biến quan sát Nhân tố

Hai bảng cho thấy rằng tham số KMO (0.914) > 0.5 và hệ số Sig (0.000) < 0.05, từ đó kết luận được rằng phân tích EFA là phù hợp

4.4.3 Hiệu chỉnh mô hình nghiên cứu và các giả thuyết

Trong mục này, nhóm nghiên cứu tiến hành mã hóa các biến như bảng 4.8 Các giả thuyết được mô tả chi tiết tại Phụ lục 10

Bảng 4.8 Thống kê giá trị của các yếu tố đại diện

Yếu tố đại diện Biến đại diện

Mẫu Min Max Avg Std

Năng lực thông tin và dữ liệu x1 300 1 5 3.1288 1.04909

Năng lực giao tiếp và hợp tác trên môi trường số x2 300 1 5 3.4273 1.10392

Năng lực sáng tạo nội dung số x3 300 1 5 3.5139 1.03833 Năng lực an toàn kỹ thuật số x4 300 1 5 3.7248 0.97187 Năng lực giải quyết vấn đề kỹ thuật số x5 300 1 5 3.3589 1.04706

Sự nỗ lực phát triển năng lực số của sinh viên HVNH y 300 1 5 3.3887 1.01375

Phân tích hồi quy bội

Để đánh giá ảnh hưởng của 7 yếu tố đến nỗ lực phát triển năng lực số, chúng tôi sẽ sử dụng 7 biến độc lập: x1, x2, x3, x4, x5, x6, x7 và biến phụ thuộc y trong mô hình hồi quy tuyến tính bội.

4.5.1 Phân tích tương quan Đầu tiên, nhóm tác giả dùng ma trận tương quan Pearson để kiểm tra mối quan hệ tuyến tính giữa các biến và thu được kết quả:

Bảng 4.9 Ma trận hệ số tương quan các biến trong mô hình

Hệ số tương quan Pearson x1 x2 x3 x4 x5 x6 x7 y x1 1 562 ** 278 ** 608 ** 532 ** 243 ** 708 ** 705 ** x2 562 ** 1 658 ** 068 206 ** 545 ** 370 ** 684 ** x3 278 ** 658 ** 1 -.159 ** 244 ** 330 ** 301 ** 474 ** x4 608 ** 068 -.159 ** 1 421 ** 131 * 543 ** 403 ** x5 532 ** 206 ** 244 ** 421 ** 1 -.127 * 376 ** 478 ** x6 243 ** 545 ** 330 ** 131 * -.127 * 1 193 ** 399 ** x7 708 ** 370 ** 301 ** 543 ** 376 ** 193 ** 1 598 ** y 705 ** 684 ** 474 ** 403 ** 478 ** 399 ** 598 ** 1

Bảng phân tích cho thấy các biến độc lập x1, x2, x7 có mối tương quan chặt chẽ với biến phụ thuộc y, với hệ số Pearson lớn hơn 0.5 Ngược lại, các biến x3, x4, x5, x6 có hệ số Pearson dưới 0.5, cho thấy mối tương quan không chặt chẽ Mặc dù vậy, tất cả bảy biến đều có mối quan hệ tương quan với biến phụ thuộc, do đó chúng vẫn đủ điều kiện để tiếp tục phân tích.

4.5.2 Đánh giá độ phù hợp của mô hình

Tham số R Square (hệ số xác định) sẽ được sử dụng để đánh giá độ phù hợp của mô hình

Bảng 4.10 Độ phù hợp của mô hình Tổng hợp kết quả mô hình

Mô hình R R 2 R² được hiệu chỉnh

Sai số chuẩn của ước lượng

Bảng trên cho thấy chỉ số R² (0.687) lớn hơn hệ số R² điều chỉnh (0.68), do đó nhóm nghiên cứu quyết định sử dụng hệ số R² để đánh giá độ phù hợp của mô hình.

Mô hình được xây dựng có hệ số R² hiệu chỉnh là 0.68, cho thấy nó có khả năng giải thích 68% các trường hợp trong tập dữ liệu Điều này có nghĩa là bảy biến độc lập x1, x2, x3, x4, x5, x6, và x7 sẽ mô tả 68% sự biến thiên của biến phụ thuộc y.

Nhóm tác giả sử dụng kiểm định F để kiếm tra độ phù hợp của mô hình tổng thể

Bảng 4.11 Kiểm định dộ phù hợp của mô hình

Mô hình Tổng bình phương

Từ bảng trên, có thể kết luận được R 2 của tổng thể khác 0 bởi vì giá trị của hệ số

Mô hình hồi quy tuyến tính trong nghiên cứu cho thấy F = 91.650 và hệ số Sig (0.000) < 0.05, chứng tỏ rằng mô hình này phù hợp với tổng thể Do đó, có thể kết luận rằng mô hình hồi quy tuyến tính là phù hợp.

Trong mô hình hồi quy, các hệ số xác định mức độ ảnh hưởng của các biến độc lập đối với biến phụ thuộc Trong đó, tham số quan trọng nhất là 𝛽, thể hiện mức độ tác động giữa bảy biến độc lập và sự nỗ lực (biến phụ thuộc).

Bảng 4.12 Thống kê từng biến trong mô hình

Hệ số chưa chuẩn hóa

Mức ý nghĩa (Sig) Đo lường đa cộng tuyến

Beta Độ chấp nhận của biến

Kết quả phân tích cho thấy các biến x1, x2, x5, x6, x7 đều có hệ số Sig < 0.05, cho thấy sự ảnh hưởng đáng kể đến nỗ lực phát triển năng lực số của sinh viên Trong đó, biến x2 có tác động lớn nhất với hệ số β = 0.392, tiếp theo là x5 (0.22), x7 (0.187), x1 (0.144) và x6 (0.117) Ngược lại, hai biến x3 và x4 có chỉ số Sig lần lượt là 0.424 và 0.103, không đủ cơ sở để kết luận về ảnh hưởng đến biến phụ thuộc Hơn nữa, tất cả hệ số VIF đều < 10, cho thấy không có sự đa cộng tuyến trong mô hình.

Phương trình hồi quy sau khi chuẩn hóa:

• Kết quả kiểm định các giả thuyết

Giả thuyết H1 chỉ ra rằng năng lực thông tin và dữ liệu có tác động tích cực đến nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng, với hệ số β là 0.144 và giá trị Sig là 0.029, nhỏ hơn 0.05.

Giả thuyết H2 khẳng định rằng năng lực giao tiếp và hợp tác trong môi trường số có ảnh hưởng tích cực đến nỗ lực phát triển năng lực số của sinh viên HVNH, với giá trị β là 0.392 và Sig là 0.000, nhỏ hơn 0.05.

Giả thuyết H3 cho rằng năng lực sáng tạo nội dung số có ảnh hưởng tích cực đến sự nỗ lực phát triển năng lực số của sinh viên HNVH không được chấp nhận, với giá trị β là 0.04 và Sig là 0.424, lớn hơn 0.05.

Giả thuyết H4 không được chấp nhận, cho thấy năng lực an toàn kỹ thuật số không có ảnh hưởng tích cực đến nỗ lực phát triển năng lực số của sinh viên HVNH, với β là 0.085 và Sig là 0.103, đều lớn hơn 0.05.

Giả thuyết H5 khẳng định rằng năng lực xử lý vấn đề số có tác động tích cực đến nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng, với hệ số β là 0.22 và giá trị Sig là 0.000, nhỏ hơn 0.05.

Giả thuyết H6 cho rằng sự tự tin có tác động tích cực đến nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng đã được chấp nhận, với giá trị β là 0.117 và Sig là 0.007, nhỏ hơn 0.05.

Giả thuyết H7 khẳng định rằng sự hài lòng có tác động tích cực đến nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng, với hệ số β là 0.187 và giá trị Sig là 0.000.

Phân tích hồi quy ElasticNet

ElasticNet là một phương pháp hồi quy trong máy học, kết hợp cả hình phạt L1 (Lasso) và L2 (Ridge) để ước lượng mối quan hệ giữa các biến đầu vào và biến mục tiêu Phương pháp này giúp giảm thiểu hiện tượng quá khớp (overfitting) và nâng cao tính tổng quát của mô hình.

Hình 4.2 Mối quan hệ giữa Lambda và MSE trong ElasticNet

Sau quá trình xử lý dữ liệu, nhóm tác giả đã tìm được mức λ tối ưu là 0.0352 tương ứng với mức MSE nhỏ nhất là 0.362

Nhóm tác giả đã khởi tạo lại mô hình ElasticNet với các thông số alpha (λ) = 0.0352 và L1_ratio = 0.5, kết hợp cả Lasso và Ridge, để phân tích hệ số tương quan của từng biến.

Bảng 4.13 Kết quả chạy mô hình ElasticNet của các biến độc lập

Theo đó, biến DGC (tương ứng với x3) là biến bị loại bỏ bởi hệ số thu hẹp bằng

Kết quả phân tích cho thấy hệ số beta của 6 biến độc lập có ảnh hưởng tích cực đến biến phụ thuộc, cụ thể là CMC (0.3822), PRB (0.1866), INT (0.1367), IDL (0.1271), SFT (0.1058) và STF (0.095239) Tuy nhiên, biến đầu tiên không có hệ số beta, do đó không thể kết luận về ảnh hưởng của nó.

Qua đó với λ = 0.0352 thì CMC là biến có sức ảnh hưởng lớn nhất đối với biến EFF, sau đó là PRB, INT, IDL, SFT, cuối cùng là STF

Mặc dù mô hình mới đã khắc phục một số khiếm khuyết của mô hình hồi quy, vẫn còn một biến chưa được đánh giá Do đó, mô hình mạng nơ-ron truyền thẳng nhiều lớp đã được triển khai để bổ sung cho những thiếu sót của mô hình ElasticNet.

Áp dụng thuật toán mạng nơ-ron truyền thẳng nhiều lớp

4.7.1 Tiền xử lý dữ liệu

Tiền xử lý dữ liệu là quá trình quan trọng trong việc xác định và loại bỏ các dữ liệu không phù hợp, chẳng hạn như những dòng dữ liệu có giá trị bất thường hoặc không đầy đủ Tuy nhiên, trong nghiên cứu này, dữ liệu đã được kiểm tra và cho thấy tình trạng khá sạch, không có dữ liệu khuyết thiếu hay các vấn đề nghiêm trọng khác.

Mô hình xây dựng này khác với mô hình hồi quy trước đó, bao gồm 11 biến: Giới tính, Năm học, Khoa học, Thời gian tiếp xúc với thiết bị số, cùng với các biến IDL, CMC, DGC, SFT, PRB, STF và INT Biến phụ thuộc EFF được giữ nguyên, trong khi 4 biến mới được thêm vào sẽ được mã hóa để phù hợp với mô hình.

Nhóm nghiên cứu đã phân chia dữ liệu thành hai phần: tập huấn luyện chiếm 72.3% với 217 mẫu quan sát và tập kiểm thử chiếm 27.7% với 83 mẫu quan sát.

Thiết lập tham số và hàm kích hoạt cho ba lớp của mạng nơ-ron, bao gồm lớp đầu vào, lớp ẩn và lớp đầu ra, được trình bày trong bảng dưới đây Mô hình các lớp của mạng nơ-ron được mô tả chi tiết ở Phụ lục 11, trong khi các thông số của mô hình, bao gồm thông số các lớp, hàm mất mát và hàm kích hoạt, được thể hiện ở Phụ lục 12.

Bảng 4.14 Kết quả đánh giá mô hình mạng nơ-ron

Tổng bình phương sai số 30.461 12.807

Dựa vào bảng trên, phần biến động không giải thích được bởi biến độc lập trên tập huấn luyện và kiểm thử lần lượt là 30.461 và 12.807, cho thấy mức độ thấp Sai số tương đối trên cả hai tập cũng khá thấp, với giá trị khoảng 0.282 cho huấn luyện và 0.307 cho kiểm thử Từ hai tham số này, có thể kết luận rằng mô hình có khả năng dự đoán chính xác trên dữ liệu mới chưa từng thấy.

Bảng 4.15 Mức độ ảnh hưởng của các biến độc lập với biến phụ thuộc EFF

Mức độ ảnh hưởng của các biến độc lập

Mức độ quan trọng chuẩn hóa (%)

Thời gian đã tiếp xúc với các thiết bị số 052 31.3%

Nhóm tác giả đã tiến hành phân tích dữ liệu và mô phỏng các biến độc lập theo thứ tự giảm dần mức độ ảnh hưởng, nhằm cung cấp cái nhìn trực quan hơn về kết quả nghiên cứu, như thể hiện trong biểu đồ dưới đây.

Hình 4.4 Mức độ ảnh hưởng của các biến độc lập theo chiều giảm dần

Từ kết quả phân tích, có thể thấy rằng tất cả các giả thuyết đều được chấp nhận, cho thấy 7 biến độc lập đều ảnh hưởng tích cực đến sự nỗ lực phát triển kỹ năng số của sinh viên HVNH.

Kiểm định sự khác biệt giữa các biến định tính

Nhóm nghiên cứu đã đánh giá sự khác biệt trong nỗ lực phát triển năng lực số của sinh viên HVNH dựa trên các đặc điểm nhân khẩu học Để đạt được mục tiêu này, hai phương pháp được áp dụng là phân tích phương sai một chiều và kiểm định giả thuyết về giá trị trung bình của hai nhóm.

Các yếu tố tham gia kiểm định bao gồm: khoa đang theo học, năm đang học,giới tính, thời gian tiếp xúc với các thiết bị số

4.8.1 Kiểm định sự khác biệt theo giới tính

Do giới tính chỉ có hai giá trị là “Nam” và “Nữ”, nhóm tác giả đã sử dụng kiểm định Independent Sample T-Test để phân tích và thu được các thông số cần thiết.

Bảng 4.16 Kết quả kiểm định mẫu độc lập theo giới tính

Sự nỗ lực phát triển năng lực số của sinh viên HVNH

Giả thuyết phương sai bằng nhau

Giả thuyết phương sai khác nhau

Sai số chuẩn của hiệu số 12185 12290

Khoảng tin cậy 95% của hiệu số

Bảng dữ liệu cho thấy chỉ số Sig (0.626) lớn hơn 0.05, cho thấy không có sự khác biệt phương sai có ý nghĩa thống kê giữa hai nhóm giá trị Do đó, chúng ta sẽ áp dụng kết quả giả thuyết phương sai khác nhau Hơn nữa, với Sig (2-tailed) là 0.642, cũng lớn hơn 0.05, nhóm tác giả kết luận rằng không có sự khác biệt trung bình có ý nghĩa thống kê giữa hai nhóm giá trị trong biến giới tính.

4.8.2 Kiểm định sự khác biệt theo năm đang học

Nhóm nghiên cứu sẽ sử dụng kiểm định One-way Anova do biến về số năm đang học của sinh viên là một biến định tính có 4 giá trị :

Bảng 4.17 Kết quả phân tích ANOVA theo năm đang học

Tổng bình phương df Trung bình bình phương

Bảng trên chỉ ra rằng chỉ số Sig (0.000) nhỏ hơn 0.05, cho thấy có sự khác biệt phương sai thống kê có ý nghĩa giữa các nhóm giá trị Chúng ta áp dụng kết quả từ kiểm định Welch trong bảng Kiểm định mạnh về sự bằng nhau của trung bình.

Bảng 4.18 Kết quả kiểm định khác biệt trung bình của sự nỗ lực theo năm đang học Kiểm định mạnh về sự bằng nhau của trung bình

Giá trị kiểm định df1 df2 Sig

Hệ số Sig kiểm định (Welch) cho thấy giá trị 0.00 nhỏ hơn 0.05, điều này chứng tỏ có sự khác biệt trung bình EFF giữa các năm Kết quả này chỉ ra rằng mức độ nỗ lực phát triển năng lực số của sinh viên có sự khác biệt rõ rệt qua các năm học.

Hình 4.5 Giá trị trung bình thang đo EFF các nhóm sinh viên theo năm đang học tại Học viện Ngân hàng

Chú giải: 0 – Năm nhất; 1 – Năm hai; 2 - Năm ba; 3 – Năm tư hoặc lớn hơn

Nhóm sinh viên năm hai thể hiện sự nỗ lực phát triển năng lực số cao hơn so với các năm học khác.

4.8.3 Kiểm định sự khác biệt theo khoa đang theo học

Nhóm tác giả sử dụng kiểm định phân tích phương sai một chiều One-way Anova để phân tích dữ liệu, trong đó biến định tính liên quan đến khoa học mà sinh viên theo học có 10 giá trị khác nhau.

Bảng 4.19 Kết quả phân tích ANOVA theo khoa đang theo học

Kết quả kiểm định cho thấy Sig (0.012) < 0.05, cho thấy sự khác biệt phương sai có ý nghĩa thống kê giữa các nhóm giá trị Chúng ta đã áp dụng kiểm định Welch để đánh giá sự bằng nhau của trung bình.

Bảng 4.20 Kết quả kiểm định khác biệt trung bình của sự nỗ lực với khoa đang theo học Kiểm định mạnh về sự bằng nhau của trung bình

Hệ số Sig kiểm định (Welch) là 0.018, nhỏ hơn 0.05, cho thấy có sự khác biệt trung bình EFF giữa các khoa Điều này cho phép chúng ta kết luận rằng có sự khác biệt về nỗ lực phát triển năng lực số giữa sinh viên của các khoa khác nhau.

Hình 4.6 Giá trị trung bình thang đo EFF các nhóm sinh viên theo khoa đang theo học tại Học viện Ngân hàng

Chú giải: 0 – Ngân hàng; 1 – Tài chính; 2 – Kế toán - Kiểm toán; 3 – Quản trị kinh doanh;

4 – Kinh doanh quốc tế; 5 – Công nghệ thông tin và Kinh tế số; 6 – Ngoại ngữ; 7 – Luật kinh tế; 8 – Kinh tế; 9 – Khác

Kết quả phân tích cho thấy sự khác biệt rõ rệt trong nỗ lực phát triển kỹ năng số của sinh viên tại HVNH giữa các khoa Cụ thể, sinh viên thuộc Khoa Công nghệ thông tin, Kinh tế số, Ngân hàng và Tài chính thể hiện mức độ quan tâm cao nhất trong việc nâng cao năng lực số Tuy nhiên, do mẫu khảo sát chỉ có 2 sinh viên từ Khoa Ngoại ngữ, nhóm tác giả nhận định rằng chưa đủ cơ sở để khẳng định sự vượt trội về nỗ lực phát triển kỹ năng số của khoa này so với các khoa khác.

4.8.4 Kiểm định sự khác biệt theo thời gian tiếp xúc với các thiết bị số

Nhóm tác giả đã áp dụng kiểm định One-way ANOVA để phân tích ảnh hưởng của thời gian tiếp xúc với các thiết bị số của sinh viên, trong đó biến định tính này có 4 giá trị khác nhau.

Bảng 4.21 Kết quả phân tích ANOVA theo thời gian tiếp xúc với các thiết bị số

Bảng trên cho thấy rằng hệ số Sig (0.000) < 0.05 nghĩa là có sự khác biệt phương sai một cách có ý nghĩa thống kê giữa các nhóm giá trị

Kết quả kiểm định khác biệt trung bình cho thấy sự nỗ lực của người dùng thay đổi theo thời gian tiếp xúc với các thiết bị số Bảng 4.22 cung cấp thông tin chi tiết về sự mạnh mẽ của kiểm định đối với sự bằng nhau của các trung bình này.

Hệ số Sig kiểm định (Welch) 0.00 < 0.05, tức là có sự khác biệt trung bình EFF giữa các khoảng thời gian tiếp cận các thiết bị số

Hình 4.7 Giá trị trung bình thang đo EFF các nhóm sinh viên theo thời gian tiếp xúc với các thiết bị số tại Học viện Ngân hàng

Chú giải: 0 – Ít hơn 1 năm; 1 – 1 đến 3 năm; 2 – 3 đến 6 năm; 3 – Trên 6 năm

Sinh viên có thời gian tiếp xúc với máy tính dưới 1 năm thể hiện sự nỗ lực vượt trội hơn so với các nhóm khác Ngược lại, những sinh viên đã sử dụng thiết bị số từ 1-3 năm lại có xu hướng nỗ lực ít hơn.

Trong chương bốn, nhóm tác giả đã áp dụng phương pháp thống kê mô tả và các biến quan sát, sử dụng hệ số Cronbach's Alpha, EFA, hồi quy bội, hồi quy ElasticNet, cùng với kiểm định sự khác biệt để đánh giá mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc thông qua mạng nơ-ron truyền thẳng nhiều lớp Kết quả kiểm tra cho thấy các biến đều đáp ứng đủ các điều kiện nghiên cứu và đảm bảo tính thực tế.

Kết quả phân tích hồi quy bội chỉ ra rằng có năm yếu tố chính ảnh hưởng đến nỗ lực phát triển kỹ năng số của sinh viên Học viện Ngân hàng, bao gồm: CMC với hệ số β = 0.392, PRB (β = 0.22), INT (β = 0.187), IDL (β = 0.144), và STF (β = 0.117).

Đề xuất hàm ý quản trị

• Về năng lực thông tin và dữ liệu

Nghiên cứu cho thấy năng lực thông tin và dữ liệu có ảnh hưởng tích cực đến nỗ lực phát triển năng lực số của sinh viên HVNH Học phần Năng lực số ứng dụng cần trang bị cho sinh viên kỹ năng sử dụng hiệu quả các công cụ tìm kiếm và tính năng tìm kiếm nâng cao Sinh viên cũng cần cải thiện khả năng đánh giá độ chính xác của thông tin để đưa ra nhận định đúng đắn Thêm vào đó, việc sử dụng các công cụ quản lý thông tin và dịch vụ đám mây sẽ giúp sinh viên lưu trữ và truy cập dữ liệu một cách dễ dàng hơn.

• Về năng lực giao tiếp, hợp tác trên môi trường số

Năng lực giao tiếp và hợp tác trong môi trường số có ảnh hưởng lớn đến sự nỗ lực phát triển năng lực số của sinh viên HVNH Việc cải thiện những kỹ năng này sẽ thúc đẩy sinh viên nỗ lực hơn trong việc phát triển năng lực số HVNH nên tích hợp các hoạt động học tập nhóm và thảo luận trực tuyến vào chương trình đào tạo, đồng thời khuyến khích sinh viên sử dụng công cụ giao tiếp và hợp tác trực tuyến trong học tập và nghiên cứu Ngoài ra, các trường đại học và cao đẳng cũng nên tổ chức tọa đàm và tập huấn về kỹ năng hợp tác, giao tiếp trên môi trường số, nhằm nâng cao ý thức của sinh viên về nghi thức ứng xử trên mạng.

• Về năng lực sáng tạo nội dung số

Nghiên cứu cho thấy năng lực số của sinh viên HVNH cần được cải thiện thông qua việc giảng dạy nội dung số hợp pháp và phát triển tài liệu hướng dẫn chính thức Học viện có thể tổ chức các cuộc thi và hoạt động sáng tạo để khơi dậy đam mê học hỏi của sinh viên Hợp tác với chuyên gia trong lĩnh vực sẽ giúp sinh viên tiếp cận kiến thức mới và tham gia các hội thảo về sáng tạo nội dung số, từ đó cập nhật các xu hướng mới nhất.

• Về năng lực an toàn kỹ thuật số

Sinh viên cần chủ động trau dồi kiến thức và theo dõi thông tin về an ninh, an toàn trong môi trường số Họ phải nhận thức rõ các rủi ro và có phương án bảo vệ thông tin, nội dung và thiết bị cá nhân Đồng thời, sinh viên cần hiểu những rủi ro tâm lý và thể chất khi hoạt động trực tuyến HVNH nên tổ chức và hợp tác với các tổ chức khác để cung cấp hướng dẫn sử dụng công nghệ an toàn, cũng như cảnh báo sinh viên về các mối đe dọa tiềm ẩn.

• Về năng lực giải quyết vấn đề kỹ thuật số

Năng lực giải quyết vấn đề kỹ thuật số đóng vai trò quan trọng trong việc phát triển năng lực số của sinh viên, đặc biệt là tại HVNH Để nâng cao kỹ năng này, sinh viên nên xem xét việc thành lập các nhóm hoặc câu lạc bộ hỗ trợ về tin học và năng lực số Ngoài ra, mỗi sinh viên cần chủ động tìm hiểu và tìm kiếm sự trợ giúp từ bạn bè, đồng nghiệp và giảng viên khi gặp khó khăn.

Sự hài lòng của sinh viên khi áp dụng năng lực số là yếu tố quan trọng ảnh hưởng đến nỗ lực phát triển năng lực này Để đáp ứng nhu cầu của ngành công nghiệp, chương trình đào tạo cần được cập nhật thường xuyên Hơn nữa, môi trường học tập và hạ tầng kỹ thuật cũng cần được đầu tư để phục vụ tốt hơn cho sinh viên Giảng viên nên xây dựng giáo trình giảng dạy hiệu quả, đồng thời hướng dẫn và thúc đẩy việc sử dụng công nghệ trong quá trình học, từ đó nâng cao sự hài lòng của sinh viên.

Để nâng cao năng lực số cho sinh viên, HVNH cần tổ chức và quảng bá các cuộc thi, sân chơi, cùng chương trình khuyến khích học hỏi và phát triển kỹ năng số Ngoài ra, trường có thể kết nối với các đơn vị bên ngoài để tổ chức tọa đàm, hội thảo theo hình thức mới lạ, dễ tiếp cận và thiết thực với sinh viên Quan trọng hơn, giảng viên cần tạo động lực, hỗ trợ và đồng hành cùng sinh viên trong quá trình phát triển năng lực số.

Kết quả kiểm định cho thấy, sinh viên đại học năm thứ hai là nhóm cần được Học viện chú trọng, tăng cường hoạt động giảng dạy để khuyến khích sự nỗ lực phát triển năng lực số.

Một số hạn chế của đề tài và hướng nghiên cứu tiếp theo

Mặc dù nhóm nghiên cứu đã hoàn thành mục tiêu chính, nhưng mẫu nghiên cứu chỉ giới hạn ở sinh viên HVNH không đủ để tạo ra cái nhìn tổng quát Điều này hạn chế khả năng đưa ra những đề xuất hiệu quả hơn cho xã hội nhằm thúc đẩy sự phát triển.

Nỗ lực phát triển và cải thiện năng lực số của sinh viên là một vấn đề quan trọng, với khả năng xây dựng mô hình ứng dụng thuật toán tiên tiến hơn trong các nghiên cứu lớn hơn Nghiên cứu này chỉ ra rằng năng lực giao tiếp và hợp tác trong môi trường số, cũng như khả năng giải quyết vấn đề kỹ thuật số, có ảnh hưởng lớn đến sự nỗ lực phát triển năng lực số Do đó, câu hỏi đặt ra là ảnh hưởng của việc thiếu hụt hai kỹ năng này tới sự phát triển chung của sinh viên đại học Việt Nam như thế nào? Đây có thể là tiền đề cho các nghiên cứu tiếp theo.

Nhóm tác giả đã đề xuất các giải pháp nhằm nâng cao năng lực số cho sinh viên Học viện Ngân hàng (HVNH) Sinh viên cần chủ động tìm hiểu và cải thiện kỹ năng số của bản thân thông qua việc trao đổi với giảng viên, bạn bè và đồng nghiệp Học viện nên tổ chức các hội thảo, tọa đàm và hợp tác với chuyên gia bên ngoài để khuyến khích sinh viên Việc tích hợp kỹ năng số vào chương trình học sẽ giúp sinh viên áp dụng kiến thức vào thực tiễn Những giải pháp này hy vọng sẽ thúc đẩy nỗ lực phát triển năng lực số của sinh viên HVNH Ngoài ra, nhóm nghiên cứu cũng đã chỉ ra những hạn chế của đề tài và đề xuất phương hướng nghiên cứu tiếp theo, bao gồm việc thu thập dữ liệu từ nhiều trường đại học và áp dụng các thuật toán tiên tiến hơn.

Nghiên cứu về các nhân tố ảnh hưởng đến sự nỗ lực phát triển năng lực số của sinh viên HVNH là vấn đề quan trọng trong thời đại công nghệ số Việc xác định các yếu tố này giúp định hướng và xây dựng phương pháp phát triển năng lực số cho sinh viên tại HVNH và các cơ sở giáo dục đại học khác ở Việt Nam.

Trong chương một, nhóm tác giả trình bày tổng quan nghiên cứu, nhấn mạnh tính cấp thiết của đề tài, xác định mục tiêu nghiên cứu, cũng như phạm vi và đối tượng nghiên cứu.

Trong chương hai, nhóm tác giả trình bày khung lý thuyết và các yếu tố ảnh hưởng đến nỗ lực phát triển năng lực số của sinh viên HVNH Bài viết cũng làm rõ tổng quan về nỗ lực này, bao gồm các khái niệm liên quan đến động lực, sự nỗ lực và năng lực số.

Trong chương ba, bài nghiên cứu trình bày các bước phân tích nhằm đưa ra kết luận cho từng giả thuyết, đồng thời xem xét mối tương quan giữa các biến độc lập và sự nỗ lực phát triển năng lực số của sinh viên Học viện Ngân hàng.

Trong chương bốn, bài nghiên cứu phân tích kết quả từ các mô hình nghiên cứu, cho thấy rằng năng lực giao tiếp và hợp tác trong môi trường số có ảnh hưởng mạnh mẽ nhất đến nỗ lực phát triển năng lực số của sinh viên HVNH Tiếp theo là năng lực giải quyết vấn đề kỹ thuật số, sự hài lòng, năng lực thông tin và dữ liệu, sự quan tâm, năng lực an toàn kỹ thuật số, và cuối cùng là năng lực sáng tạo nội dung số.

Trong chương năm, nhóm nghiên cứu đã đề xuất các giải pháp nhằm nâng cao nỗ lực của sinh viên HVNH trong phát triển năng lực số Trước tiên, sinh viên cần nhận thức rõ tầm quan trọng của việc phát triển năng lực số trong cuộc sống hiện đại Đồng thời, HVNH cần cung cấp môi trường, hạ tầng giảng dạy, chương trình đào tạo và hỗ trợ cần thiết để sinh viên có thể cải thiện kỹ năng số của mình.

TÀI LIỆU THAM KHẢO TÀI LIỆU NƯỚC NGOÀI

Ainley, Mary (2006) Connecting with Learning: Motivation, Affect and Cognition in Interest Processes Educational Psychology Review 18 391-405

Anderson, J C., & Gerbing, D W (1988) Structural Equation Modeling in Practice:

A Review and Recommended Two-Step Approach Psychological Bulletin,

Becker, A S., Cummins, M., Davis, A., Freeman, A., Giesinger, H C., &

Ananthanarayanan, V (2017) NMC Horizon Report: 2017 Higher Education

Ben Youssef, A., Dahmani, M., & Ragni, L (2022) ICT Use, Digital Skills and

Students’ Academic Performance: Exploring the Digital Divide Information,

Carretero Gomez, S., Vuorikari, R., & Punie, Y (2017) DigComp 2.1: The Digital

Competence Framework for Citizens with Eight Proficiency Levels and

The publication titled "Examples of Use" (EUR 28558 EN) by the Publications Office of the European Union presents the DigComp 2.1 Digital Competence Framework This framework outlines eight proficiency levels for citizens, providing practical examples of digital competence applications For further details, visit the official publication page at the European Commission's website: [DigComp 2.1 Digital Competence Framework](https://ec.europa.eu/jrc/en/publication/eur-scientific-and-technical-research-reports/DigComp-21-digital-competenceframework-citizens-eight-proficiency-levels-and-examples-use).

Corno, L., & Anderman, E M (2015) Capturing the Landscape of Educational

Psychology Today Handbook of Educational Psychology

Chang, J.-H., & Huynh, P (2016) ASEAN in transformation: the future of jobs at risk of automation ILO Working Papers 994906463402676 International Labour Organization

Chen, S., Sun, H., Zhu, X., & Chen, A (2014) Relationship between motivation and learning in physical education and after-school physical activity Research

Quarterly for Exercise and Sport, 85(4), 468–477 https://doi.org/10.1080/02701367.2014.961054

The study by Eger et al (2018) explores the varying preferences for ICT use among university students across three Central European countries It emphasizes the importance for educators to recognize the differences in ICT competence among student user groups, particularly regarding their engagement with social networks and mobile devices Through a questionnaire involving 1,348 participants, the research identifies four distinct user groups based on their ICT usage for both academic and extracurricular activities The findings suggest that while many young people are adept at using ICT in daily life, this skill varies significantly among different user groups, highlighting the need for tailored teaching approaches that accommodate these differences in ICT competence.

Emerson, R W (2017) Anova and T-Tests Journal of Visual Impairment &

European Commission, Directorate-General for Education, Youth, Sport and Culture

(2019) Key competences for lifelong learning Publications Office https://data.europa.eu/doi/10.2766/569540

Ferrari, A (2012) Digital Competence in Practice: An Analysis of Frameworks

Retrieved from https://pdfs.semanticscholar.org/851f/ebe72df176a16ad6e26b00ff5df35520da 34.pdf

Field, A P (2009) Discovering Statistics Using SPSS: (and sex and drugs and rock

“n” roll) (3rd ed.) SAGE Publications

Gayen, A K (1951) The Frequency Distribution of the Product-Moment Correlation

Coefficient in Random Samples of Any Size Drawn from Non-Normal

Universes Biometrika, 38(1/2), 219 https://doi.org/10.2307/2332329

Gómez-Fernández, N., & Mediavilla, M (2021) Exploring the relationship between

Information and Communication Technologies (ICT) and academic performance: A multilevel analysis for Spain Socio-Economic Planning

Gudmundsdottir, G B., Hernandez Gasso, H., Colomer Rubio, J C., & Hatlevik, O

E (2020) Student teachers’ responsible use of ICT: Examining two samples

70 in Spain and Norway Computers & Education, 152, 103877 https://doi.org/10.1016/j.compedu.2020.103877

Hair, J F., & Hair, J F (2006) Multivariate data analysis (6th ed.) Pearson Prentice

Halim, M S A A., Hashim, H., & Yunus, M M (2020) Pupils’ Motivation and

Perceptions on ESL Lessons through Online Quiz-Games Journal of

Education and e-Learning Research, 7(3), 229–234 https://doi.org/10.20448/journal.509.2020.73.229.234

Henriette, E., Feki, M., & Boughzala, I (2015) The Shape of Digital

Janssen, J., Stoyanov, S., Ferrari, A., Punie, Y., Pannekeet, K., & Sloep, P (2013)

Experts’ views on digital competence: Commonalities and differences

Computers & Education, 68, 473–481 https://doi.org/10.1016/j.compedu.2013.06.008

Kampylis, P., Punie, Y., & Devine, J (2016) European Framework for Digitally

Competent Educational Organisations Retrieved from https://ec.europa.eu/jrc/en/DigComporg

Kim, T K., & Park, J H (2019) More about the basic assumptions of t-test: normality and sample size Korean Journal of Anesthesiology, 72(4), 331–335 https://doi.org/10.4097/kja.d.18.00292

Kwon, D (2021) Digital Competence of Students with Disabilities Using a Mobile

Device in a Post-Secondary Transition Program for Potential Employment Ph.D Thesis, The University of Alabama, Tuscaloosa, AL, USA Retrieved from https://ir.ua.edu/handle/123456789/7944

Matsumoto, D E (2009) The Cambridge dictionary of psychology Cambridge

Nunnally, J C (1978) Psychometric theory (2nd ed.) McGraw-Hill

O'Keefe, Paul & Horberg, E & Plante, Isabelle (2017) The Multifaceted Role of

Interest in Motivation and Engagement 10.1007/978-3-319-55509-6_3

Ogutu, J O., Schulz-Streeck, T., & Piepho, H P (2012) Genomic selection using regularized linear regression models: ridge regression, lasso, elastic net and their extensions BMC Proceedings, 6(Suppl 2), S10 https://doi.org/10.1186/1753-6561-6-S2-S10

Omar, M K., Ruzaidi, D U A., Puad, M H M., & Jusoh, R (2023) How

Digitalized are School Students? Determining Digital Competencies and Motivation Factors in Using Technology for Learning International Journal of Academic Research in Progressive Education and Development, 12(2),

1613–1634 ệngel, V., Yavuz, M S., & Tatli, H S (2022) Factors affecting digital literacy of human resources Upravlenets / The Manager, 13(1), 68–83 https://doi.org/10.29141/2218-5003-2022-13-1-5

Peterson, R A (1994) A Meta-Analysis of Cronbach’s Coefficient Alpha The

Journal of Consumer Research, 21(2), 381–391 https://doi.org/10.1086/209405

Popescu, M.-C., Balas, V., Perescu-Popescu, L., & Mastorakis, N (2009) Multilayer perceptron and neural networks WSEAS Transactions on Circuits and

Prensky, M (2007) How to teach with technology: Keeping both teachers and students comfortable in an era of exponential change Emerging Technologies for Learning, 2, 40–46

Ross, A., & Willson, V L (2017) Basic and Advanced Statistical Tests: Writing

Results Sections and Creating Tables and Figures (1st ed.) SensePublishers https://doi.org/10.1007/978-94-6351-086-8

Shopova, T (2014) Digital Literacy of Students and Its Improvement at the

University Journal on Efficiency and Responsibility in Education and

Science, 7(2), 26-32 https://doi.org/10.7160/eriesj.2014.070201

Slater, S F (1995) Issues in conducting marketing strategy research Journal of

Strategic Marketing, 3(4), 257–270 https://doi.org/10.1080/09652549500000016

Tabachnick, B G., & Fidell, L S (2007) Using multivariate statistics (5th ed.)

Taormina, R J., & Gao, J H (2013) Maslow and the Motivation Hierarchy:

Measuring Satisfaction of the Needs The American Journal of Psychology,

Tenny, S., & Abdelgawad, I (2022) Statistical Significance In StatPearls

Toquero, C M (2020) Challenges and opportunities for higher education amid the

COVID-19 pandemic: The Philippine context Pedagogical Research, 5, em0063 https://doi.org/10.29333/pr/7947

Valentin, A., Mateos, P M., Gonzalez-Tablas, M M., Perez, L., Lopez, E., & Garcia,

I (2013) Motivation and learning strategies in the use of ICTs among university students Computers and Education, 61, 52–58 https://doi.org/10.1016/j.compedu.2012.09.008

Vuorikari, R., Kluzer, S., & Punie, Y (2022) DigComp 2.2: The Digital Competence

Framework for Citizens EUR 31006 EN Publications Office of the European

Vuorikari, R., Punie, Y., Gomez, S C., & Van Den Brande, G (2016) DigComp 2.0:

The Digital Competence Framework for Citizens Update Phase 1: The

Conceptual Reference Model (No JRC101254) Joint Research Centre:

Warner, R M (2013) Applied Statistics: From Bivariate Through Multivariate

Techniques (2nd ed.) SAGE Publications

Williams-Pierce, C C (2011) Five key ingredients for improving student motivation Retrieved November 23, 2022, from https://scholarsarchive.library.albany.edu/cgi/viewcontent.cgi?article00&c ontext=math_fac_scholar

Zhao, Y., Sánchez Gómez, M C., Pinto Llorente, A M., & Zhao, L (2021) Digital

Competence in Higher Education: Students’ Perception and Personal Factors

Sustainability, 13, 12184 https://doi.org/10.3390/su132112184

TÀI LIỆU TIẾNG VIỆT Đoàn Đặng Phi Hùng, Võ Ngọc Tiền, Đới Thị Thanh Thư, Ngô Thục Đoan, &

Nguyễn Trúc Hà (2022) explores the factors influencing student satisfaction with online learning at Van Lang University in the article published in the Journal of Van Lang University The study highlights various elements that impact students' experiences and perceptions of online education, providing valuable insights into improving the quality of virtual learning environments The research is documented in issue 36 of the journal, with the ISSN 2525-2429.

Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) Phân Tích Dữ Liệu Nghiên Cứu với SPSS (Tập 1 và 2) NXB Hồng Đức

Nguyễn Đình Thọ (2012) Phương pháp nghiên cứu khoa học trong kinh doanh Nhà xuất bản Lao động - Xã hội

Nghiên cứu của Nguyễn Ngọc Nam, Lê Tô Minh Tân, và Trần Thái Hoà (2023) tại Trường Đại học Kinh tế, Đại học Huế, tập trung vào năng lực số của sinh viên và các nhân tố ảnh hưởng đến năng lực này Các yếu tố như môi trường học tập, sự hỗ trợ từ giảng viên, và khả năng tiếp cận công nghệ được phân tích để hiểu rõ hơn về sự phát triển năng lực số trong bối cảnh giáo dục hiện đại Kết quả nghiên cứu cung cấp cái nhìn sâu sắc về tầm quan trọng của việc nâng cao năng lực số cho sinh viên, góp phần vào sự chuẩn bị cho thị trường lao động trong thời đại số.

Trần Đức Hòa and Đỗ Văn Hùng (2021) present a comprehensive digital competence framework tailored for Vietnamese students amidst the ongoing digital transformation Their research, published in the journal Tạp chí Thông tin & Tư liệu, emphasizes the essential skills and knowledge required for students to thrive in a digitally evolving landscape This framework aims to equip learners with the necessary competencies to navigate and succeed in a technology-driven world.

PHỤ LỤC Phụ lục 1: Chuẩn DigComp 2.0

Đánh giá và quản lý dữ liệu, thông tin và nội dung số là quá trình tìm kiếm, chọn lọc và phân tích thông tin quan trọng Việc này giúp tối ưu hóa việc sử dụng dữ liệu và nâng cao chất lượng nội dung số, đồng thời đảm bảo rằng thông tin được tổ chức và quản lý một cách hiệu quả.

Giao tiếp và hợp tác

Tương tác thông qua môi trường kỹ thuật số

Chia sẻ dữ liệu thông qua công nghệ kỹ thuật số Quy tắc ứng xử trên mạng

Hợp tác thông qua công nghệ kỹ thuật số

Tham gia vào công dân kỹ thuật số Quản lý danh tính số

Phát triển, sáng tạo nội dung số Tích hợp, chỉnh sửa các nội dung và kiến thức đã có Lập trình

Bản quyền và Giấy phép

An toàn trên môi trường số

Bảo vệ sức khỏe và tinh thần Bảo vệ dữ liệu cá nhân và quyền riêng tư Bảo vệ thiết bị

Sử dụng công nghệ kỹ thuật số một cách sáng tạo Xác định nhu cầu, phản hồi công nghệ

Giải quyết các vấn đề về kỹ thuật Nhận diện những lỗ hổng trong năng lực số

Phụ lục 2: Thang đo năng lực thông tin và dữ liệu của Zhao & cộng sự (2021)

IDL1 Tôi thành thạo sử dụng CNTT để tìm kiếm, xác định, lựa chọn, đánh giá, xử lý, lưu trữ, trích dẫn và giao tiếp thông tin

IDL2 Tôi sử dụng các công cụ tìm kiếm chuyên biệt và công cụ metasearch với nhiều cơ chế khác nhau

IDL3 Tôi hiểu các nguồn thông tin khác nhau và có thể xây dựng chiến lược tìm kiếm chính xác dựa trên chúng

Tiêu đề	Những yếu tố ảnh hưởng đến sự nỗ lực trong việc phát triển năng lực số cá nhân của sinh viên Học viện Ngân hàng
Trường học	Học viện Ngân hàng
Thể loại	Đề tài nghiên cứu khoa học
Năm xuất bản	2023-2024
Thành phố	Hà Nội

Định dạng
Số trang	101
Dung lượng	1,44 MB