Ý định áp dụng ChatGPT và kết quả học tập của sinh viên Tiếng Anh thương mại: Phân tích từ mô hình TAM và lý thuyết học tập kiến tạo

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:12

Thêm vào BST

Báo xấu

1
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu này nhằm đánh giá ảnh hưởng của ý định áp dụng ChatGPT đến kết quả học tập của sinh viên ngành Tiếng Anh thương mại, dựa trên mô hình chấp nhận công nghệ (TAM) và lý thuyết học tập kiến tạo. Bằng phương pháp chọn mẫu thuận tiện với 243 sinh viên, nghiên cứu sử dụng phương pháp ước lượng mô hình cấu trúc tuyến tính bình phương tối thiểu từng phần (PLS-SEM) để kiểm định mô hình nghiên cứu đề xuất.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ý định áp dụng ChatGPT và kết quả học tập của sinh viên Tiếng Anh thương mại: Phân tích từ mô hình TAM và lý thuyết học tập kiến tạo

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG HUNG VUONG UNIVERSITY Nguyễn Thị Phương Anh và Trần Nha Ghi TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG JOURNAL OF SCIENCE AND TECHNOLOGY Tập 11, Số 1 (2025): 62 - 73 Vol. 11, No. 1 (2025): 62 - 73 Email: tapchikhoahoc@hvu.edu.vn Website: www.jst.hvu.edu.vn Ý ĐỊNH ÁP DỤNG CHATGPT VÀ KẾT QUẢ HỌC TẬP CỦA SINH VIÊN TIẾNG ANH THƯƠNG MẠI: PHÂN TÍCH TỪ MÔ HÌNH TAM VÀ LÝ THUYẾT HỌC TẬP KIẾN TẠO Nguyễn Thị Phương Anh1, Trần Nha Ghi 1* 1 Khoa Quản trị Kinh doanh, Trường Đại học Công nghiệp TP. Hồ Chí Minh Ngày nhận bài: 05/02/2025; Ngày chỉnh sửa: 27/02/2025; Ngày duyệt đăng: 10/3/2025 DOI: https://doi.org/10.59775/1859-3968.254 Tóm tắt N ghiên cứu này nhằm đánh giá ảnh hưởng của ý định áp dụng ChatGPT đến kết quả học tập của sinh viên ngành Tiếng Anh thương mại, dựa trên mô hình chấp nhận công nghệ (TAM) và lý thuyết học tập kiến tạo. Bằng phương pháp chọn mẫu thuận tiện với 243 sinh viên, nghiên cứu sử dụng phương pháp ước lượng mô hình cấu trúc tuyến tính bình phương tối thiểu từng phần (PLS-SEM) để kiểm định mô hình nghiên cứu đề xuất. Kết quả nghiên cứu cho thấy cảm nhận về tính hữu ích, dễ sử dụng và sự tiện lợi có ảnh hưởng tích cực đến thái độ của sinh viên đối với ChatGPT. Bên cạnh đó, thái độ này cũng tác động đáng kể đến ý định áp dụng ChatGPT, từ đó góp phần cải thiện mức độ tham gia học tập, phát triển tư duy phản biện và nâng cao thành tích học tập. Nghiên cứu này đã đóng góp vào khía cạnh lý thuyết bằng cách kết hợp mô hình TAM với quan điểm của lý thuyết học tập kiến tạo để giải thích cách sinh viên tiếp nhận và sử dụng ChatGPT trong môi trường học tập. Về mặt thực tiễn, kết quả nghiên cứu cung cấp cơ sở để các trường đại học và giảng viên tận dụng ChatGPT như một công cụ hỗ trợ học tập, giúp sinh viên phát triển kỹ năng và nâng cao kết quả học tập. Cuối cùng, một số hạn chế và hướng nghiên cứu tiếp theo được đề xuất trong nghiên cứu này. Từ khóa: Mô hình chấp nhận công nghệ, ChatGPT, tư duy phản biện, thành tích học tập, học tập sáng tạo, PLS-SEM 1. Đặt vấn đề hợp ChatGPT vào giáo dục đã nhận được sự Công nghệ đã được sử dụng trong lĩnh quan tâm đáng kể do cải thiện trải nghiệm vực giáo dục để sử dụng các nguồn lực và học tập của học sinh. Chatbot AI là một trong phương pháp tiếp cận của nó để hỗ trợ quá những ứng dụng AI sử dụng các quá trình trình dạy và học [1]. Nhiều công nghệ đã học tập tự nhiên và máy học để mô phỏng các được áp dụng cho lĩnh vực này, bao gồm AI, cuộc trò chuyện của con người [4]. ChatGPT thực tế ảo, thực tế tăng cường, mô phỏng và đã trở nên phổ biến rộng rãi nhờ khả năng ưu robot [2]. Theo García Sánchez [3] việc kết việt trong việc tạo ra các thông tin phản hồi 62 *Email: trannhaghi@iuh.edu.vn
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 chắc chắn [5]. ChatGPT có thể phục vụ nhu và cải thiện chất lượng và hiệu suất công việc cầu cá nhân của sinh viên, cung cấp phản hồi trong giáo dục đại học. cần thiết và hỗ trợ tìm hiểu các khái niệm Từ lược khảo trên cho thấy vẫn còn khan phức tạp. hiếm các nghiên cứu giải thích một cách đầy Nhiều nghiên cứu đã kiểm tra việc chấp đủ về hành vi của sinh viên, đặc biệt là sinh nhận áp dụng AI trong giáo dục bằng cách viên ngành tiếng Anh thương mại trong việc sử dụng Mô hình Chấp nhận Công nghệ chấp nhận sử dụng ChatGPT và những lợi (TAM). Ví dụ, Sánchez-Prieto và cộng sự [6] ích đem lại từ việc sử dụng công nghệ này. cho thấy tính dễ sử dụng, tính hữu ích và thái Để lấp đầy khoảng trống lý thuyết, nghiên độ đối với công nghệ có tác động đáng kể cứu này đã tích hợp lý thuyết TAM và lý đến việc sinh viên chấp nhận các hệ thống thuyết học tập kiến tạo nhằm giải thích hành đánh giá tự động. Giáo viên có niềm tin cao vi của sinh viên ngành tiếng Anh thương mại đối với AI sẽ dễ dàng chấp nhận các công cụ bằng cách kiểm tra các yếu tố ảnh hưởng đến AI. Tuy nhiên, các rào cản về đạo đức và sự thái độ và ý định sử dụng ChatGPT của sinh thiếu minh bạch trong AI có thể làm giảm sự viên và hiệu quả của việc áp dụng công nghệ chấp nhận của giáo viên [7]. Jiao và cộng sự này đem lại trong suốt quá trình học tập. [8] cho thấy AI có thể dự đoán chính xác kết quả học tập của sinh viên dựa trên dữ liệu 2. Phương pháp nghiên cứu học tập. Theo Zhai [9] ChatGPT cải thiện trải nghiệm học tập của học sinh như điều chỉnh 2.1. Lý thuyết TAM và lý thuyết học tập chủ các bài học và nhận phản hồi theo yêu cầu nghĩa kiến tạo cụ thể. Theo Farhi, Jeljeli [10], việc sử dụng Lý thuyết TAM thể hiện quá trình ra quyết ChatGPT trong giáo dục đại học đóng vai trò định của người dùng trong việc chấp nhận quan trọng. Do đó, ChatGPT là một tài sản công nghệ. Mô hình này cho thấy rằng hành để giúp học sinh thực hiện các nhiệm vụ như vi sử dụng thực tế của một cá nhân là kết cung cấp thông tin, tóm tắt, tạo văn bản và quả của quan điểm của họ về hiệu quả và sự những nhiệm vụ khác. Dwivedi, Kshetri [11] thuận tiện của việc sử dụng và xác định mong cho rằng ChatGPT giúp tiết kiệm thời gian muốn tham gia vào hoạt động của họ [12]. C m nh n ơnh h u ích Ý đ nh S d ng s d ng th c t C m nh n d s d ng Hình 1. Mô hình TAM 63
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Nguyễn Thị Phương Anh và Trần Nha Ghi Lý thuyết học tập kiến tạo do Vygotsky đến thái độ của sinh viên đối với việc áp đề xuất nhấn mạnh sự tham gia tích cực của dụng ChatGPT. Ngoài ra, [23] nhận thấy rằng người học trong việc xây dựng sự hiểu biết PEOU có tác động tích cực đến thái độ của của họ [13]. Thay vì chỉ đơn giản là nắm người tiêu dùng đối với việc sử dụng dịch vụ bắt thông tin, người học suy ngẫm về kinh di động 3G. Tương tự, Elkaseh, Wong [24] nghiệm và kết hợp kiến thức mới [14]. Chủ đã thảo luận rằng PEOU tác động mạnh mẽ nghĩa kiến tạo là một hệ tư tưởng giáo dục, đến thái độ của sinh viên kinh doanh và giáo phổ biến định hình các phương pháp học tập viên đối với việc áp dụng phương tiện truyền thông xã hội trong e-learning. Singh, Sharma và giảng dạy hiện đại [15]. Các nhà nghiên [21] đã giải thích rằng PEOU ảnh hưởng tích cứu hiện tại thích hiệu quả của chủ nghĩa cực đến thái độ của sinh viên kinh doanh đối kiến tạo trong việc thúc đẩy các kỹ năng giải với việc sử dụng chúng trong e-learning. quyết học tập phản biện [16]. Lý thuyết học tập kiến tạo làm nổi bật quá trình nội bộ của H2: PEOU có tác động tích cực đến thái độ thông tin để tạo ra kiến thức và kỹ năng. Sinh của sinh viên. viên tích cực mở rộng kiến thức về học tập có Yoon and Kim [25] định nghĩa cảm nhận sự hỗ trợ của công nghệ trong môi trường học sự tiện lợi (perceived convenience-PC) là tập [17]. Kỹ thuật công nghệ giáo dục có thể mức độ thuận tiện đối với thời gian, địa điểm cải thiện trải nghiệm học tập tương tác và hấp và thực hiện mà người ta cảm nhận được khi dẫn, khuyến khích điều tra và thử nghiệm. sử dụng mạng không dây để hoàn thành một Do đó, lý thuyết này phù hợp với nghiên cứu nhiệm vụ. Bansah and Agyei [26] nhận thấy rằng PC là một trong những lợi ích chính của hiện tại, các công cụ như ChatGPT được cho việc áp dụng công nghệ trong giáo dục đại rằng có thể tạo điều kiện thuận lợi cho trải học cho nhân viên và sinh viên kinh doanh. nghiệm học tập của sinh viên [18], đặt câu Ngoài ra, Malik, Shrama [20] đã thảo luận về hỏi và nhận phản hồi ngay lập tức. tác động tích cực của PC đối với thái độ của 2.2. Giả thuyết nghiên cứu sinh viên kinh doanh đối với việc sử dụng ChatGPT. Chang, Yan [27] phát hiện ra rằng Ilham and Mat [19] định nghĩa cảm nhận PC ảnh hưởng tích cực đến thái độ của sinh tính hữu ích (perceived usefulness-PU) là viên kinh doanh đại học đối với việc sử dụng mức độ mà sinh viên tin rằng việc sử dụng công nghệ di động. công cụ AI (ChatGPT) sẽ nâng cao kết quả học tập. Malik, Shrama [20] phát hiện ra rằng H3: PC có ảnh hưởng tích cực đến thái độ PU ảnh hưởng tích cực đến thái độ của sinh của sinh viên. viên đại học đối với việc sử dụng ChatGPT. Thái độ liên quan đến việc tự đánh giá, Hơn nữa, [21] nhận thấy rằng PU có tác động quan điểm và hành vi [28]. Thái độ tích cực tích cực đến thái độ của người học đối với đối với một hành vi cụ thể gắn liền với các việc sử dụng nó trong e-learning. kết quả tích cực được nhận thức [29]. Thái độ của học sinh đại diện cho cách họ phản ứng H1: PU có tác động tích cực đến thái độ của tích cực hoặc tiêu cực [30]. Malik, Shrama sinh viên. [20] phát hiện ra rằng thái độ của sinh viên Cảm nhận dễ sử dụng (PEOU) là mức độ kinh doanh đối với việc sử dụng ChatGPT có mà một người tin rằng việc sử dụng một hệ tác động tích cực đến ý định áp dụng. Ngoài thống cụ thể sẽ dễ dàng [22]. Malik, Shrama ra, Zhang, Wen [31] chỉ ra rằng thái độ tác [20] chỉ ra rằng PEOU ảnh hưởng tích cực động mạnh mẽ đến ý định áp dụng e-learning 64
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 ở Trung Quốc. Kanwal and Rehman [32] và tổng hợp thông tin một cách có hệ thống đã quan sát thấy rằng sinh viên kinh doanh và suy luận logic nhằm ra quyết định để giải đang ảnh hưởng tích cực đến ý định áp dụng quyết vấn đề [36]. Tlili, Shehata [37] kết hợp e-learning ở các quốc gia phát triển. Hơn ChatGPT vào các phương pháp giảng dạy để nữa, Singh, Sharma [21] chỉ ra rằng thái độ cải thiện trải nghiệm học tập tương tác. Ngoài đối với nền tảng cộng tác kỹ thuật số có tác ra, nó đảm bảo sự phát triển kỹ năng nhận động tích cực đến ý định sử dụng nó trong thức của học sinh [38]. Essel, Vlachopoulos e-learning của người học. [39] đã kiểm tra những lợi ích từ việc sử dụng H4: Thái độ của sinh viên có tác động tích ChatGPT để cải thiện kỹ năng nhận thức của cực đến ý định áp dụng ChatGPT. sinh viên. Nghiên cứu cho thấy việc kết hợp Sự tham gia của sinh viên là mức độ mà ChatGPT vào các hoạt động trong lớp học có sinh viên tích cực tham gia vào trải nghiệm thể ảnh hưởng tích cực đến khả năng tư duy học tập, bao gồm sự tham gia về hành vi, cảm phản biện, sáng tạo của sinh viên. xúc và nhận thức. Sinh viên tham gia vào H6: Ý định áp dụng ChatGPT có tác động các hoạt động trong lớp học, thể hiện sự sẵn tích cực đến khả năng tư duy phản biện của sàng học hỏi và tương tác tích cực với bạn sinh viên. bè và giáo viên [33]. Sự tham gia này được phản ánh trong sự tự tin, sự tò mò, thích thú Thành tích học tập của học sinh có liên với các nhiệm vụ học tập của sinh viên, cảm quan đến việc hoàn thành các mục tiêu học giác thân thuộc và gắn kết với cộng đồng học tập [40]. Thành tích được đánh giá qua điểm tập [34]. Adiguzel, Kaya [35] cũng tuyên bố kiểm tra, khả năng đạt được chuẩn đầu ra của rằng ChatGPT mang lại nhiều triển vọng cho môn học [41]. ChatGPT là một công cụ có người học, tức là tăng động lực nội tại, cho giá trị cho các giảng viên và người học để cải phép hiểu sâu hơn về các khái niệm và thúc thiện trải nghiệm và hiệu quả học tập [42]. đẩy phát triển chuyên môn. ChatGPT cũng hoạt động như một gia sư ảo, hỗ trợ nỗ lực học tập của học sinh [5]. H5: Ý định áp dụng ChatGPT có tác động tích cực đến sự tham gia của sinh viên vào H7: Ý định áp dụng ChatGPT có tác động các hoạt động học tập. tích cực đến thành tích học tập của sinh viên. Khả năng tư duy phản biện của học sinh Từ việc biện luận các giả thuyết trên, mô là cách tiếp cận của họ để phân tích, đánh giá hình nghiên cứu được đề xuất ở Hình 2. C m nh n S tham gia ơnh h u ích H1 H5 H4 Ý đ nh C m nh n d H2 H6 Tư duy Thái đ áp d ng s d ng ph n bi n ChatGPT H3 H7 C m nh n s Thành ơch Ɵ nl i h ct p Hình 2. Mô hình nghiên cứu đề xuất 65
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Nguyễn Thị Phương Anh và Trần Nha Ghi 2.3. Dữ liệu nghiên cứu độ gồm có 4 biến quan sát được kế thừa từ Nghiên cứu được thực hiện dựa trên mẫu [44]. Thang đo ý định sử dụng ChatGPT, sự khảo sát 243 sinh viên. Mẫu nghiên cứu được tham gia, tư duy phản biện, thành tích học chọn dựa trên các tiêu chí là sinh viên chuyên tập được kế thừa từ nghiên cứu của Youssef, ngành tiếng Anh thương mại có kiến thức cơ Medhat [33] lần lượt gồm 6, 4, 4 và 4 biến bản và đã từng sử dụng ChatGPT. Đối tượng quan sát. Các thang đo được xây dựng trên sinh viên này được chọn vì họ thường xuyên thang điểm Likert 5 mức độ. sử dụng công nghệ trong học tập, bao gồm các phần mềm hỗ trợ dịch thuật, kiểm tra 3. Kết quả nghiên cứu và thảo luận ngữ pháp, và các nền tảng học trực tuyến. Bên cạnh đó, AI có thể giúp sinh viên cải 3.1. Đặc điểm mẫu nghiên cứu thiện khả năng ngôn ngữ và giao tiếp, điều Sinh viên tham gia khảo sát có giới tính này khiến họ có nhiều động lực và cơ hội để nam là 143 bạn (chiếm 55%) và còn lại là sinh trải nghiệm các công cụ đánh giá AI. Dữ liệu viên nữ chiếm 45%. Sinh viên được khảo sát được thu thập thông qua bảng khảo sát trực từ các trường có sự phân bố tương đối đồng tuyến và trực tiếp đến các sinh viên tại các đều, với tỷ lệ từ 12,3% (Trường Đại học Văn trường đại học của Việt Nam. Dữ liệu được Lang) đến 20,6% (Trường Đại học Công phân tích bằng phương pháp PLS-SEM nhằm nghiệp TP.HCM). Trường Đại học Văn Lang kiểm tra giả thuyết nghiên cứu. Phương pháp có tỷ lệ sinh viên tham gia thấp nhất (12,3%). này được chọn vì phù hợp với các mẫu dữ Đối với phân loại theo năm học, sinh viên năm liệu vừa và nhỏ, đồng thời cho phép kiểm 2 chiếm tỷ lệ cao nhất (28,8%), tiếp theo là định đồng thời các mối quan hệ trong mô năm 1 (24,7%). Kế tiếp là tỷ lệ sinh viên năm hình cấu trúc. Các biến trong mô hình được 3 (22,6%) và năm 4 (23,9%) tương đối đồng kế thừa từ thang đo gốc, bao gồm thang đo đều, nhưng thấp hơn so với năm 1 và năm 2. cảm nhận tính hữu ích, thang đo cảm nhận Về phân loại theo mức độ sử dụng ChatGPT dễ sử dụng và thang đo Cảm nhận sự tiện lợi thì thỉnh thoảng sử dụng (1-2 lần/tuần) chiếm lần lượt gồm có 3, 3 và 4 biến quan sát được tỷ lệ cao nhất (41%), thường xuyên sử dụng kế thừa từ nghiên cứu của Malik, Shrama (hàng ngày) chiếm 34%, và tỷ lệ hiếm khi sử [20] và Hwang, Yang [43]. Thang đo Thái dụng (1-2 lần/tháng) đạt 25%. 3.2. Đánh giá mô hình đo lường Bảng 1. Hệ số tải, độ tin cậy và phương sai trích trung bình Hệ số tải Cronbach Alpha CR AVE Thành tích học tập 0,825 0,83 0,74 ACH1 0,864 ACH2 0,870 ACH3 0,846 Thái độ 0,838 0,839 0,674 ATT1 0,788 ATT2 0,876 ATT3 0,816 66
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 Hệ số tải Cronbach Alpha CR AVE ATT4 0,801 Tư duy phản biện 0.826 0.856 0.739 CT1 0.873 CT2 0,886 CT3 0,818 Ý định sử dụng ChatGPT 0,882 0,883 0,681 ChatGPT1 0,867 ChatGPT2 0,790 ChatGPT3 0,836 ChatGPT4 0,841 ChatGPT5 0,789 Sự tham gia 0,9 0,904 0,768 Engagement1 0,869 Engagement2 0,878 Engagement3 0,870 Engagement4 0,890 Cảm nhận sự tiện lợi 0,84 0,841 0,676 PC1 0,829 PC2 0,827 PC3 0,837 PC4 0,795 Cảm nhận sự tiện ích 0,839 0,862 0,754 PEU1 0,881 PEU2 0,836 PEU3 0,888 Cảm nhận tính hữu ích 0,844 0,88 0,76 PU1 0,908 PU2 0,885 PU3 0,819 Ghi chú: CR: độ tin cậy tổng hợp; AVE: Phương sai trích trung bình. Dựa trên các tiêu chuẩn đánh giá độ chuẩn của [46], khẳng định tính nhất quán tin cậy và giá trị hội tụ của thang đo theo nội tại tốt. Bên cạnh đó, Average Variance Nunnally and Bernstein [45], Hair, Hult [46], Extracted (AVE) của các biến đều lớn hơn và Fornell and Larcker [47], kết quả cho thấy 0,6, vượt qua mức tối thiểu 0,5 theo [47], tất cả các thang đo đều đạt yêu cầu. Cụ thể, đảm bảo rằng các biến quan sát giải thích tốt Cronbach’s Alpha của các biến đều lớn hơn các khái niệm tiềm ẩn. Như vậy, tất cả các 0,7, đạt ngưỡng tin cậy chấp nhận được theo thang đo đều có độ tin cậy và độ hội tụ tốt, [45]. Đồng thời, Composite Reliability (CR) có thể tiếp tục sử dụng trong các phân tích của tất cả các biến đều trên 0,7, đáp ứng tiêu tiếp theo. 67
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Nguyễn Thị Phương Anh và Trần Nha Ghi Bảng 2. Kiểm định giá trị phân biệt bằng Fornel -Lacker ACH ATT CT ChatGPT ENG PC PEU PU ACH 0,86 ATT 0,215 0,821 CT 0,436 0,23 0,859 ChatGPT 0,304 0,286 0,36 0,825 ENG 0,208 0,264 0,248 0,281 0,877 PC 0,19 0,402 0,221 0,283 0,215 0,822 PEU 0,268 0,181 0,273 0,28 0,184 0,188 0,869 PU 0,199 0,319 0,223 0,357 0,295 0,468 0,2 0,872 Dựa trên phương pháp kiểm định giá trị hệ số tương quan giữa các biến (các giá trị phân biệt theo tiêu chuẩn [47], kết quả trong ngoài đường chéo). Kết quả có thể kết luận bảng cho thấy giá trị căn bậc hai của AVE rằng các thang đo đạt được giá trị phân biệt, (các giá trị trên đường chéo) đều lớn hơn các đáp ứng tiêu chuẩn của [47]. 3.3. Đánh giá mô hình cấu trúc Bảng 3. Kiểm định giả thuyết nghiên cứu β SD T P values CI VIF f2 Q² PU → ATT 0,154 0,057 2,703 0,007 (0,046;0,269) 0,022 0,022 PEU → ATT 0,091 0,042 2,193 0,028 (0,011;0,176) 0,010 0,010 0,191 0,122 PC → ATT 0,313 0,057 5,535 0,000 (0,204;0,424) 0,093 0,093 ATT → ChatGPT 0,286 0,048 5,91 0,000 (0,193;0,38) 0,089 0,089 0,082 0,052 ChatGPT → ENG 0,281 0,047 5,983 0,000 (0,19;0,373) 0,086 0,086 0,079 0,058 ChatGPT → ACH 0,304 0,044 6,844 0,000 (0,219;0,395) 0,102 0,102 0,093 0,064 ChatGPT → CT 0,36 0,041 8,677 0,000 (0,283;0,446) 0,149 0,149 0,13 0,091 (𝛽 = 0,286, 𝑝 = 0,000), chứng tỏ rằng một thái Kết quả kiểm định giả thuyết cho thấy đáng kể đến việc ý định sử dụng ChatGPT các biến trong mô hình đều có tác động có ý nghĩa thống kê. Cụ thể, trong các yếu tố ảnh độ tích cực sẽ thúc đẩy người dùng sử dụng hưởng đến thái độ đối với ChatGPT (ATT), ChatGPT. Giá trị (𝑓2 = 0,089) ở mức trung nhất (với 𝛽 = 0,313, 𝑝 = 0,000), tiếp theo là cảm nhận sự tiện lợi (PC) có tác động mạnh bình. Khi xét tác động của việc chấp nhận cảm nhận tính hữu ích (PU) (với 𝛽 = 0,154, ChatGPT đến sự tham gia (ENG), thành tích 𝑝 = 0,007) và cuối cùng là cảm nhận tính dễ học tập (ACH) và tư duy phản biện (CT), sử dụng (PEU) (với 𝛽 = 0,091, 𝑝 = 0,028). kết quả cho thấy tất cả các mối quan hệ đều có ý nghĩa thống kê (𝑓 = 0,000). Trong đó, phản biện (CT) với 𝛽 = 0,360, 𝑓2 = 0,149, Mặc dù cả ba yếu tố đều có tác động dương ChatGPT ảnh hưởng mạnh nhất đến tư duy tiếp theo là thành tích học tập (ACH) với 𝛽 = lên ATT, mức độ ảnh hưởng của PEU là 0,304, 𝑓2 = 0,102 và sự tham gia (ENG) với nhỏ nhất, thể hiện qua giá trị (𝑓2 = 0,010), 𝛽 = 0,281, 𝑓2 = 0,086 (Hình 3). thấp hơn so với PU (𝑓2 = 0,022) và PC (𝑓2 = 0,093). Bên cạnh đó, ATT có tác động 68
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 Hình 3. Kết quả kiểm định giả thuyết R2 thể hiện mức độ giải thích phương sai thì không có đa cộng tuyến; VIF từ 3 – 5 của biến độc lập lên biến phụ thuộc. Cohen thì mô hình có đa cộng tuyến vừa phải, có [48] đề xuất các ngưỡng: 0,02 (yếu), 0,13 thể chấp nhận nhưng cần cẩn trọng; VIF > cho thấy ATT có 𝑅2 = 0,122 gần đạt ngưỡng (trung bình) và 0,26 (mạnh). Dựa vào kết quả 5 thì mô hình đa cộng tuyến cao, có thể gây sai lệch kết quả. Kết luận về mô hình cho trung bình và PU, PEU, và PC giải thích được thấy PU (VIF=0.022), PEU (VIF=0.010), PC khoảng 12,2% phương sai của ATT. ChatGPT (VIF=0.093); ATT (VIF=0.089), ChatGPT có R2 = 0,052 nằm trong ngưỡng yếu, nghĩa (VIF=0.086); ENG (VIF=0.079), ACH là ATT chỉ giải thích được 5,2% phương sai (VIF=0.102), CT (VIF=0.149) với các giá trị của biến chấp nhận ChatGPT. Yếu tố ENG VIF đều nhỏ hơn 3, chứng tỏ không có vấn (có R2 =0.058), ACH (R2 =0,064), và CT (R2 đề về đa cộng tuyến trong mô hình. = 0,091) đều nằm trong ngưỡng yếu. Ngoài 3.4. Thảo luận kết quả nghiên cứu ra, theo Hair, Hult [46], một số ngưỡng cụ Nghiên cứu này giới thiệu một khung lý thể cho Q² như Q² > 0,02 thì mô hình có khả thuyết mới tích hợp giữa lý thuyết TAM và năng dự báo nhỏ; Q² > 0.15 có mức dự báo lý thuyết học tập kiến tạo để giúp nâng cao trung bình và Q² > 0,35 có mức dự báo lớn. hiểu biết của chúng ta về vấn đề này. Nói Giá trị Q² của ChatGPT (Q² = 0,052); ENG cách khác, nghiên cứu này đã kiểm tra ý định (Q²=0,058), ACH (Q² = 0,064), CT (Q²= áp dụng ChatGPT của sinh viên ảnh hưởng 0,091) đều lớn hơn 0, chứng tỏ mô hình có như thế nào đến thái độ, ý định sử dụng và khả năng dự đoán, nhưng mức độ dự đoán hiệu quả sử dụng ChatGPT. Hơn nữa, nghiên còn thấp vì đều dưới 0.15 (ảnh hưởng nhỏ). cứu này phù hợp với các nghiên cứu trước VIF (Variance Inflation Factor) đo lường đây cho thấy PC, PEU và PU của việc sử mức độ đa cộng tuyến giữa các biến độc lập. dụng AI có tác động trực tiếp và đáng kể Theo Hair, Hult [46] các ngưỡng phổ biến đến thái độ của sinh viên [49], trong đó PC để đánh giá đa cộng tuyến như sau: VIF < 3 tác động mạnh nhất đến thái độ. Điều này 69
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Nguyễn Thị Phương Anh và Trần Nha Ghi được lý giải bởi sinh viên ngành tiếng Anh Những yếu tố TAM này ảnh hưởng rõ ràng đến thương mại sử dụng ChatGPT có thể giúp thái độ và ý định áp dụng ChatGPT của sinh sinh viên tìm kiếm thông tin nhanh chóng, viên đại học ngành tiếng Anh thương mại tại thái độ của sinh viên có ảnh hưởng lớn đến ý các trường đại học ở Việt Nam. Những phát định của họ đối với việc áp dụng công cụ AI hiện này góp phần vào các hiểu biết về yếu tố [20].Ngoài ra, những phát hiện của nghiên ảnh hưởng đến thái độ và ý định sử dụng các cứu này tiết lộ rằng ý định áp dụng ChatGPT công cụ AI trong môi trường giáo dục của của sinh viên dẫn đến kết quả tích cực, kết sinh viên, từ đó cung cấp thông tin quan trọng quả này cũng phù hợp với nghiên cứu trước cho việc phát triển và ứng dụng các phương đây [21, 50]. Thông qua kết quả cho thấy, tiện công nghệ dựa trên AI để học tập. Ngoài ChatGPT là công cụ hữu ích trong việc cung ra, kết quả còn phân tích ảnh hưởng của ý cấp thông tin cho sinh viên. Damayanti, định áp dụng công nghệ ChatGPT đối với kết Setiadi [51] chứng minh vai trò tích cực của quả học tập của sinh viên. Bằng cách kiểm ChatGPT trong việc tăng cường sự tham gia tra áp dụng ChatGPT ảnh hưởng tích cực đến của học sinh. Ngoài ra, áp dụng ChatGPT có sự tham gia, tư duy phản biện và thành tích tác động tích cực đến khả năng tư duy phản học tập. Kết quả nghiên cứu cho thấy thực biện của sinh viên. Tư duy phản biện của tế về hiệu quả của việc áp dụng công nghệ sinh viên được nâng cao khi sinh viên phải AI vào các hoạt động học tập của sinh viên phân tích, đánh giá tính hợp lý của thông tin chuyên ngành tiếng Anh thương mại. do AI cung cấp, so sánh nhiều quan điểm khác nhau và phát triển kỹ năng kiểm chứng thông tin. Kết quả nghiên cứu phù hợp với Tài liệu tham khảo [1] Stone M. (1974). Cross-Validatory Choice and nghiên cứu trước, chẳng hạn nghiên cứu của Assessment of Statistical Predictions. Journal Shanto, Ahmed [52] chỉ ra rằng tác động tích of the Royal Statistical Society. Series B cực của áp dụng ChatGPT đối với khả năng (Methodological), 36(2), 111-147. tư duy phản biện của học sinh. Cuối cùng, [2] Elbaz A.M., Salem I. E., Darwish A., Alkathiri N. A., Mathew V. & Al- Kaaf H. A. (2024). việc sử dụng ChatGPT có tác động tích cực Getting to know ChatGPT: How business đến thành tích học tập của sinh viên. Việc students feel, what they think about personal sử dụng AI giúp cải thiện thành tích học tập morality, and how their academic outcomes bằng cách hỗ trợ sinh viên tiếp thu kiến thức affect Oman’s higher education. Computers and Education: Artificial Intelligence, 7, 100324. dễ dàng hơn thông qua các giải thích trực [3] García Sánchez O.V. (2023). Uso y percepción quan, đề xuất bài kiểm tra thử và hỗ trợ viết de ChatGPT en la educación superior. Revista de luận. Tương thích với nghiên cứu hiện tại, Investigación en Tecnologías de la Información, Caratiquit and Caratiquit [53] tuyên bố rằng 11(23), 98-107. ChatGPT là một công cụ giáo dục có thể ảnh [4] Gilson A., Safranek C. W., Huang T., Socrates V., hưởng đến động lực học tập của học sinh. Chi L., Taylor R. A. & Chartash D. (2023). How Does ChatGPT Perform on the United States Medical Licensing Examination (USMLE)? The Implications of Large Language Models for 4. Kết luận Medical Education and Knowledge Assessment. Nghiên cứu này đã kiểm định các yếu tố JMIR Medical Education, 9, p. e45312. được đề xuất của lý thuyết TAM – PU, PEU, [5] Lo C. K. (2023). What Is the Impact of ChatGPT và PC - dự đoán thái độ của sinh viên đối on Education? A rapid Review of the literature. Education Sciences, 2023, 13. với việc sử dụng ChatGPT, một công cụ AI. 70
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 [6] Sánchez-Prieto J. C., Cruz-Benito J., Therón higher education: Key stakeholder perspectives. R. & García-Peñalvo F. (2020). Assessed European Journal of Investigation in Health, by Machines: Development of a TAM- Psychology and Education, 13, 2599-2614. Based Tool to Measure AI-based Assessment [17] Firaina R. & Sulisworo D. (2023). Exploring Acceptance Among Students. International the Usage of ChatGPT in higher education: Journal of Interactive Multimedia and Artificial Frequency and Impact on productivity. Buletin Intelligence, 6, 80-86. Edukasi Indonesia, 2(01), 39-46. [7] Choi S., Jang Y. & Kim H. (2022). Influence [18] Rasul T., Nair S., Kalendra D., Robin M., Santini of pedagogical beliefs and Perceived Trust on F. de O., Ladeira W. J. & Sun, M., (2023). The Teachers’ acceptance of Educational artificial Role of ChatGPT in higher education: Benefits, intelligence tools. International Journal of Challenges, and Future research directions. Human-Computer Interaction, 39, 1-13. Journal of Applied Learning & Teaching, 6(1), [8] Jiao P., Ouyang F., Zhang Q., & Alavi A. H. 41-56. (2022). Artificial intelligence-enabled prediction [19] Ilham S. & Mat N. (2012). Examining a theory model of student academic performance of planned behavior (TPB) and technology in online engineering education. Artificial acceptance model (TAM) in internet purchasing Intelligence Review, 55(8), 6321-6344. using structural equation modeling. Journal of [9] Zhai X. (2022). ChatGPT User Experience: Arts, Science & Commerce, 3, 62-77. Implications for Education. [20] Malik R., Shrama A., Trivedi S. & Mishra, R. [10] Farhi F., Jeljeli R., Aburezeq I., Fawzi F., (2021). Adoption of Chatbots for Learning Dweikat A., Al-shami S. A. & Slamene among University Students: Role of Perceived R. (2023). Analyzing the students’ views, Convenience and Enhanced Performance. concerns, and perceived ethics about ChatGPT International Journal of Emerging Technologies usage. Computers and Education: Artificial in Learning, 16, 200-212. Intelligence, 5, 100180. [21] Singh A., Sharma, S. & Paliwal M. (2020). [11] Dwivedi Y.K. (2023). “So what if ChatGPT Adoption intention and effectiveness of digital wrote it?” Multidisciplinary perspectives on collaboration platforms for online learning: opportunities, challenges and implications The Indian students’ perspective. Digital of generative conversational AI for research, Collaboration Platforms, ahead-of-print. practice and policy. International Journal of [22] Musa M. A. (2013). Using TAM Model Information Management, 71, p. 102642. to Measure the Use of Social Media for [12] Chen C. H (2023). Extending the Technology Collaborative Learning. International Journal of Acceptance Model: A new perspective on the Engineering Trends and Technology, 5, 90-95. adoption of blockchain technology. 2023(1), p. [23] Mohd S. N. (2011). Subscribers’ intention 4835896. towards using 3G mobile services. Journal of [13] Efgivia M. G., Rinanda R. Y. A., Suriyani Economics and Behavioral Studies, 2(2), 67-75. Hidayat, A., Maulana I. & Budiarjo, A. [24] Elkaseh A., Wong K., & Fung C. (2016). (2020). Analysis of constructivism learning Perceived ease of use and perceived usefulness theory. Proceedings of the 1st UMGESHIC of social media for e-learning in Libyan higher International Seminar on Health, Social Science education: A structural equation modeling and Humanities, 585, 208-212. analysis. International Journal of Information [14] Kim M., & Adlof L. (2024). Adapting to the and Education Technology, 6(3), 192-199. Future: ChatGPT as a Means for Supporting [25] Yoon C., & Kim S. (2007). Convenience and Constructivist Learning Environments. TAM in a ubiquitous computing environment: TechTrends, 68(1), 37-46. The case of wireless LAN. Electronic Commerce [15] Hatmanto E. & Sari M. (2023). Aligning theory Research and Applications, 6(1), 102-112. and practice: Leveraging ChatGPT for effective [26] Bansah A. & Agyei D. (2022). Perceived english language teaching and learning. E3S convenience, usefulness, effectiveness and Web of Conferences, 440. user acceptance of information technology: [16] Hasanein A. M. & Sobaih A. E. E. (2023). Evaluating students’ experiences of a learning Drivers and consequences of ChatGPT use in 71
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Nguyễn Thị Phương Anh và Trần Nha Ghi management system. Technology, Pedagogy thinking abilities and dispositions through the and Education, 31, 1-19. concept mapping learning method – A meta- [27] 27.Chang, C. C., Yan C.F. & Tseng J. S. analysis. Educational Research Review, 37, (2012). Perceived convenience in an extended 100481. technology acceptance model: Mobile [37] Tlili A., Shehata B., Adarkwah M. A., Bozkurt technology and English learning for college A., Hickey D. T., Huang R. & Agyemang B. students. Australasian Journal of Educational (2023). What if the devil is my guardian angel: Technology, 28(5). 809-826. ChatGPT as a case study of using chatbots in [28] Kroesen M., Handy S. & Chorus C. (2017). education. Smart Learning Environments, 10, Do attitudes cause behavior or vice versa? An 15. alternative conceptualization of the attitude- [38] Exintaris B., Karunaratne N. & Yuriev E. behavior relationship in travel behavior (2023). Metacognition and critical thinking: modeling. Transportation research Part A: Using ChatGPT-generated responses as prompts Policy and Practice, 101, 190-202. for critique in a problem-solving workshop [29] Kamar M. A., Maher A., Elbayoumi Salem I. (SMARTCHEMPer). Journal of Chemical & Elbaz, A. M. (2023). Gamification impact Education, 100(8), 2972-2980. on tourists’ pro-sustainability intentions: [39] Essel H. B., Vlachopoulos D., Essuman Integration of technology acceptance model A. B. & Amankwa J. O. (2024). ChatGPT (TAM) and the theory of planned behaviour effects on cognitive skills of undergraduate (TPB). Tourism Review, 79(2), 262226134. students: Receiving instant responses from AI- [30] Pinto Dos Santos D., Giese D., Brodehl S., based conversational large language models Chon S. H., Staab W., Kleinert R., Maintz D. (LLMs). Computers and Education: Artificial & Baeßler B. (2019). Medical students’ attitude Intelligence, 6, Article 100198. towards artificial intelligence: A multicentre [40] Chen C. H. & Yang Y. C. (2019). Revisiting the survey. European Radiology, 29(4), 1640-1646. effects of project-based learning on students’ [31] Zhang L., Wen H., Li D., Fu Z. & Cui S. (2010). academic achievement: A meta-analysis E-learning adoption intention and its key investigating moderators. Educational Research influence factors based on innovation adoption Review, 26, 71-81. theory. Mathematical and Computational [41] Al Rawashdeh A. Z., Youssef E. M., Al Arab Modelling, 51(11-12), 1428-1432. A. R., Alara M. & Al-Rawashdeh B. (2021). [32] Kanwal F. & Rehman M. (2017). Factors Advantages and disadvantages of using affecting e-learning adoption in developing e-learning in university education: Analyzing countries—Empirical evidence from Pakistan’s students’ perspectives. Electronic Journal of higher education sector. IEEE Access, 5, 10968- e-Learning, 19, 107-117. 10978. [42] Tanvir K., Islam M. S., Sezan S. B. K., Sanad Z. [33] Youssef E., Medhat M., Abdellatif S. & Al A. & Ataur A. J. I. (2023). Impact of ChatGPT Malek M. (2024). Examining the effect of on academic performance among Bangladeshi ChatGPT usage on students’ academic learning undergraduate students. International Journal of and achievement: A survey-based study in Research in Science & Engineering, 3(05), 18- Ajman, UAE. Computers and Education: 28. Artificial Intelligence, 7, 100316. [43] Hwang G. J., Yang L. H. & Wang, S. Y. [34] Firat M. (2023). How Chat GPT can transform (2013). A concept map-embedded educational autodidactic experiences and open education? computer game for improving students’ OSF Printer. learning performance in natural science courses. Computers & Education, 69, 121-130. [35] Adiguzel T., Kaya H. & Cansu, F. (2023). Revolutionizing education with AI: Exploring [44] Mahmud A., Sarower A. H., Sohel A., the transformative potential of ChatGPT. Assaduzzaman M. & Bhuiyan T. (2024). Contemporary Educational Technology, 15, Adoption of ChatGPT by university students ep429. for academic purposes: Partial least square, artificial neural network, deep neural network [36] Barta A., Fodor L. A., Tamas B. & Szamoskozi and classification algorithms approach. Array, I. (2022). The development of students’ critical 21, 100339. 72
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ TRƯỜNG ĐẠI HỌC HÙNG VƯƠNG Tập 11, Số 1 (2025): 62 - 73 [45] Nunnally J. & Bernstein, I. (1994). The the adoption intention of COVID-19 contact- assessment of reliability. Psychometric Theory, tracing technology using an extended unified 3(1), 248-292. theory of acceptance and use of technology [46] Hair J. F. Jr., Hult G. T. M., Ringle C. M., Sarstedt model. Cyberpsychology, Behavior, and Social M., Danks N. P., & Ray S. (2021). Partial least Networking, 24(6), 377-383. squares structural equation modeling (PLS- [51] Damayanti R. W., Setiadi H., Laksono P. W., SEM) using R. Springer Cham. Rizky D. L. & Entifar N. A. E. (2023). Factors [47] Fornell C. & Larcker, D. F. (1981). Structural affecting technological readiness and acceptance equation models with unobservable variables of induction stoves: A pilot project. Emerging and measurement error: Algebra and statistics. Science Journal, 7, 1892-1923. Journal of Marketing Research, 18(3), 382-388. [52] Shanto S., Ahmed Z., & Jony A. (2024). [48] Cohen J. (2013). Statistical power analysis for Enriching the learning process with generative the behavioral sciences. Routledge, U.S. AI: A proposed framework to cultivate critical thinking in higher education using ChatGPT. [49] Kong S. C. & Wang Y. Q. (2021). The influence Tuijin Jishu/Journal of Propulsion Technology, of parental support and perceived usefulness 45, 3019-3029. on students’ learning motivation and flow experience in visual programming: Investigation [53] Caratiquit K. & Caratiquit L. (2023). ChatGPT from a parent perspective. British Journal of as an academic support tool on the academic Educational Technology, 52, 1749-1770. performance among students: The mediating role of learning motivation. Journal of Social, [50] Walrave M., Waeterloos C. & Ponnet K. (2020). Ready or not for contact tracing? Investigating Humanity, and Education, 4, 21-33. CHATGPT ADOPTION INTENTION AND ACADEMIC PERFORMANCE OF BUSINESS ENGLISH STUDENTS: AN ANALYSIS FROM THE TAM MODEL AND CONSTRUCTIVIST LEARNING THEORY Nguyen Thi Phuong Anh1, Tran Nha Ghi1 1 Faculty of Business Administration, Ho Chi Minh City University of Industry Abstract T his study aims to assess the impact of ChatGPT adoption intention on the academic performance of Business English students, based on the Technology Acceptance Model (TAM) and Constructivist Learning Theory. Using a convenience sampling method with 243 students, the study employs the Partial Least Squares Structural Equation Modeling (PLS-SEM) approach to validate the proposed research model. The findings indicate that perceived usefulness, ease of use, and convenience positively influence students’ attitudes toward ChatGPT. Furthermore, this attitude significantly affects their ChatGPT adoption intention, contributing to increased learning engagement, the development of critical thinking skills, and improved academic achievement. The study contributes theoretically by integrating the TAM model with the constructivist learning perspective to explain how students adopt and utilize ChatGPT in academic settings. In practical terms, the findings provide a foundation for universities and educators to leverage ChatGPT as a learning support tool, helping students enhance their skills and academic outcomes. Finally, the study discusses its limitations and suggests directions for future research. Keywords: Technology Acceptance Model, ChatGPT, critical thinking, academic achievements, constructivist learning, PLS-SEM. 73