Khảo sát mô phỏng (bảng hỏi tiếng Anh) đối với lập trình viên tại doanh nghiệp phần mềm về trợ lý lập trình AI tạo sinh, chọn mẫu thuận tiện có kiểm soát hạn ngạch, thu thập năm 2026. Bộ dữ liệu gồm 470 quan sát mô phỏng, 8 nhân tố, được tạo đúng theo mô hình nghiên cứu bên dưới, kèm cú pháp, sổ mã hóa và hướng dẫn để bạn thực hành trọn quy trình trên SmartPLS.
Mô hình nghiên cứu
Mô hình dựa trên lý thuyết hợp nhất về chấp nhận và sử dụng công nghệ mở rộng UTAUT2 (Venkatesh, Thong và Xu, 2012) bổ sung năng lực hiểu biết AI (Wang, Rau và Yuan, 2023). Năng lực hiểu biết AI làm tăng nỗ lực kỳ vọng và hiệu quả kỳ vọng (chuỗi trung gian nối tiếp), cùng ảnh hưởng xã hội và động lực hưởng thụ quyết định ý định sử dụng trợ lý lập trình AI tạo sinh; ý định dẫn đến hành vi sử dụng thực tế. Lo âu công nghệ làm suy yếu tác động của nỗ lực kỳ vọng lên ý định.
| Giả thuyết | Nội dung |
|---|---|
| H1 | AI literacy có tác động cùng chiều đến Performance expectancy |
| H2 | AI literacy có tác động cùng chiều đến Effort expectancy |
| H3 | Effort expectancy có tác động cùng chiều đến Performance expectancy |
| H4 | Performance expectancy có tác động cùng chiều đến Behavioural intention |
| H5 | Effort expectancy có tác động cùng chiều đến Behavioural intention |
| H6 | Social influence có tác động cùng chiều đến Behavioural intention |
| H7 | Hedonic motivation có tác động cùng chiều đến Behavioural intention |
| H8 | Behavioural intention có tác động cùng chiều đến Use behaviour |
| H9 | AI literacy có tác động cùng chiều đến Use behaviour |
| H10 | Technology anxiety điều tiết mối quan hệ giữa Effort expectancy và Behavioural intention |
Thang đo trong bộ dữ liệu
| Nhân tố | Mã | Số biến | Nguồn thang đo | \(\alpha\) |
|---|---|---|---|---|
| AI literacy | AILIT |
5 | Wang, Rau and Yuan (2023) | 0,886 |
| Effort expectancy | EEXP |
4 | Venkatesh et al. (2003) | 0,858 |
| Social influence | SINF |
4 | Venkatesh et al. (2003) | 0,885 |
| Hedonic motivation | HMOT |
4 | Venkatesh, Thong and Xu (2012) | 0,891 |
| Technology anxiety | TANX |
4 | Meuter et al. (2003) | 0,873 |
| Performance expectancy | PEXP |
4 | Venkatesh et al. (2003) | 0,901 |
| Behavioural intention | BINT |
4 | Venkatesh, Thong and Xu (2012) | 0,920 |
| Use behaviour | USEB |
4 | adapted from Venkatesh et al. (2003) | 0,912 |
Kết quả tham khảo trên dữ liệu mẫu
Các thang đo có Cronbach’s Alpha từ 0,86 đến 0,92, đạt yêu cầu độ tin cậy. Bảng dưới là \(\beta\) chuẩn hóa ước lượng bằng hồi quy trên biến đại diện, giúp bạn đối chiếu khi tự chạy phân tích.
| Giả thuyết | \(\beta\) | t | p | Kết luận |
|---|---|---|---|---|
| H1 | 0,456*** | 10,86 | \(< 0{,}001\) | Ủng hộ |
| H2 | 0,695*** | 20,91 | \(< 0{,}001\) | Ủng hộ |
| H3 | 0,366*** | 8,70 | \(< 0{,}001\) | Ủng hộ |
| H4 | 0,401*** | 10,29 | \(< 0{,}001\) | Ủng hộ |
| H5 | 0,251*** | 6,47 | \(< 0{,}001\) | Ủng hộ |
| H6 | 0,131*** | 4,41 | \(< 0{,}001\) | Ủng hộ |
| H7 | 0,310*** | 10,44 | \(< 0{,}001\) | Ủng hộ |
| H8 | 0,770*** | 21,39 | \(< 0{,}001\) | Ủng hộ |
| H9 | 0,050 | 1,39 | 0,165 | Chưa ủng hộ |
| H10 | -0,074** | -2,68 | 0,007 | Ủng hộ |
Effort expectancy: các biến trong mô hình giải thích 48,3% biến thiên của effort expectancy. Nhân tố tác động mạnh nhất là ai literacy (\(\beta = 0{,}695\)). Tất cả các đường tác động đều có ý nghĩa thống kê ở mức 5%.
Performance expectancy: các biến trong mô hình giải thích 57,4% biến thiên của performance expectancy. Nhân tố tác động mạnh nhất là ai literacy (\(\beta = 0{,}456\)), tiếp theo là effort expectancy (\(\beta = 0{,}366\)). Tất cả các đường tác động đều có ý nghĩa thống kê ở mức 5%.
Behavioural intention: các biến trong mô hình giải thích 63,4% biến thiên của behavioural intention. Nhân tố tác động mạnh nhất là performance expectancy (\(\beta = 0{,}401\)), tiếp theo là hedonic motivation (\(\beta = 0{,}310\)). Tất cả các đường tác động đều có ý nghĩa thống kê ở mức 5%.
Use behaviour: các biến trong mô hình giải thích 64,4% biến thiên của use behaviour. Nhân tố tác động mạnh nhất là behavioural intention (\(\beta = 0{,}770\)), tiếp theo là ai literacy (\(\beta = 0{,}050\)). AI literacy chưa có ý nghĩa thống kê (\(p \ge 0{,}05\)) trên dữ liệu mẫu, đây là tình huống tốt để luyện cách báo cáo giả thuyết không được ủng hộ.
Tác động gián tiếp: AI literacy → Performance expectancy → Behavioural intention ≈ 0,183; AI literacy → Effort expectancy → Performance expectancy ≈ 0,254; AI literacy → Effort expectancy → Behavioural intention ≈ 0,174 (tích các hệ số chuẩn hóa). Hãy kiểm định bằng bootstrap để có khoảng tin cậy.
Kết quả SEM, PLS-SEM có thể chênh lệch nhẹ so với hồi quy trên biến đại diện do khác phương pháp ước lượng. Số liệu chỉ phục vụ thực hành.
Kết quả chạy mô hình trên SmartPLS (minh họa)
Hình dưới mô phỏng giao diện kết quả khi chạy bộ dữ liệu này theo đúng mô hình nghiên cứu, giúp bạn biết trước cần đọc chỉ số nào và đối chiếu khi tự thực hành.


Đánh giá mô hình đo lường
Outer loading của các biến quan sát nằm trong khoảng 0,817 - 0,903, đều vượt ngưỡng 0,708 (Hair và cộng sự, 2022), nên giữ lại toàn bộ biến. Cronbach’s alpha từ 0,858 đến 0,920, composite reliability (rho_c) từ 0,904 đến 0,944, thỏa ngưỡng 0,7 và chưa vượt 0,95 nên không có dấu hiệu trùng lặp câu hỏi. AVE từ 0,686 đến 0,807 (lớn hơn 0,5), thang đo đạt giá trị hội tụ. Căn bậc hai AVE của mỗi nhân tố lớn hơn tương quan với các nhân tố khác, đạt giá trị phân biệt theo Fornell và Larcker (1981); khi tự chạy, hãy kiểm tra thêm HTMT dưới 0,85.
Đánh giá mô hình cấu trúc
EEXP có \(R^2 = 0{,}483\) (mức trung bình theo Chin, 1998), nghĩa là các biến tác động giải thích khoảng 48,3% biến thiên của effort expectancy; PEXP có \(R^2 = 0{,}574\) (mức trung bình theo Chin, 1998), nghĩa là các biến tác động giải thích khoảng 57,4% biến thiên của performance expectancy; BINT có \(R^2 = 0{,}634\) (mức trung bình theo Chin, 1998), nghĩa là các biến tác động giải thích khoảng 63,4% biến thiên của behavioural intention; USEB có \(R^2 = 0{,}644\) (mức trung bình theo Chin, 1998), nghĩa là các biến tác động giải thích khoảng 64,4% biến thiên của use behaviour. Các giả thuyết được ủng hộ ở mức ý nghĩa 5%: H1 (AILIT → PEXP: 0,456, \(p < 0{,}001\)); H2 (AILIT → EEXP: 0,695, \(p < 0{,}001\)); H3 (EEXP → PEXP: 0,366, \(p < 0{,}001\)); H4 (PEXP → BINT: 0,400, \(p < 0{,}001\)); H5 (EEXP → BINT: 0,251, \(p < 0{,}001\)); H6 (SINF → BINT: 0,130, \(p < 0{,}001\)); H7 (HMOT → BINT: 0,310, \(p < 0{,}001\)); H8 (BINT → USEB: 0,770, \(p < 0{,}001\)); H10 (tương tác \(\text{TANX} \times \text{EEXP}\) → BINT: -0,078, \(p = 0{,}006\)). Chưa được ủng hộ: H9 (AILIT → USEB: 0,050, \(p = 0{,}165\)), do \(p \ge 0{,}05\) nên chưa đủ bằng chứng thống kê về mối quan hệ này trên dữ liệu mẫu. Tác động mạnh nhất là Behavioural intention → Use behaviour (hệ số 0,770), đây là gợi ý để viết hàm ý quản trị ưu tiên.
Ước lượng tham khảo trên dữ liệu mô phỏng. Kết quả khi bạn chạy trực tiếp trên phần mềm có thể chênh lệch nhẹ do khác thuật toán ước lượng và số mẫu bootstrap.
Xem trước bộ tài liệu
Hình dưới đây là nội dung thật của các file trong gói. Nhấn vào hình để xem kích thước đầy đủ.



Bạn sẽ thực hành được gì?
Outer loading, rho_A, CR, AVE, HTMT
Bootstrapping 10.000 mẫu, path coefficients
\(R^2\), \(f^2\), \(Q^2_{\text{predict}}\), specific indirect effects
Kiểm định 10 giả thuyết theo mô hình
Nội dung bộ tài liệu
| File | Nội dung |
|---|---|
README.txt |
Đọc trước khi bắt đầu |
huong_dan.html |
Hướng dẫn từng bước kèm mô hình và kết quả tham khảo |
data_data_smartpls_generative_ai_coding_assistants.csv |
Dữ liệu 470 quan sát, 33 biến thang đo |
so_ma_hoa.csv |
Sổ mã hóa biến và nguồn thang đo |
cu_phap_spss.sps |
Cú pháp SPSS chạy toàn bộ phân tích |
sem_lavaan.R |
Script R lavaan đối chiếu CFA, SEM |
Thông tin sản phẩm
- Phần mềm: SmartPLS 4
- Lĩnh vực: Công nghệ thông tin
- Định dạng: file .zip, khoảng 337 KB
- Ngôn ngữ: tiếng Việt
Cách nhận file
- Nhấn "Mua nhanh, nhận QR ngay" hoặc thêm vào giỏ và đặt hàng.
- Quét mã VietQR với số tiền và nội dung điền sẵn.
- Sau khi Kaas.vn xác nhận thanh toán, link tải được gửi qua email và hiển thị tại Tài khoản > Tải xuống.



















Đánh giá
Chưa có đánh giá nào.