Tổng quan về luận án

Luận án tiến sĩ này khai phá một lĩnh vực nghiên cứu quan trọng và đang phát triển nhanh chóng: sự ảnh hưởng của hành vi thích nghi của người dùng đối với ý định tiếp tục sử dụng các nền tảng kỹ thuật số, đặc biệt trong bối cảnh dịch vụ gọi xe ở Việt Nam. Nghiên cứu đặt trọng tâm vào việc giải quyết khoảng trống lý thuyết và thực tiễn liên quan đến hành vi sau khi chấp nhận công nghệ, một khía cạnh mà các nghiên cứu về chấp nhận công nghệ trước đây thường bỏ qua hoặc chưa được tích hợp đầy đủ.

Bối cảnh khoa học của nghiên cứu này được định hình bởi sự bùng nổ của các doanh nghiệp dựa trên ứng dụng di động (m-app) và nền tảng kỹ thuật số (DP), như Facebook, Uber, Grab hay Amazon, với giá trị thị trường lên đến hàng tỷ đô la (Cusumano et al., 2019). McKinsey ước tính rằng hơn một phần ba tổng giao dịch kinh tế toàn cầu, vượt quá 60 nghìn tỷ USD, sẽ được thực hiện thông qua DP và m-app vào năm 2030 (Basu, 2021; Chauhan, 2020). Trong bối cảnh này, dịch vụ gọi xe tại Việt Nam đã chứng kiến tốc độ tăng trưởng hàng đầu Đông Nam Á, đạt 15,9% hàng năm và dự kiến đạt 4,6 tỷ USD vào năm 2026, với tổng số 21,7 triệu người dùng vào năm 2022 (Google, Temasek & Bain, 2022). Tuy nhiên, các công ty RHA phải đối mặt với thách thức lớn là làm thế nào để giữ chân người dùng trong một thị trường cạnh tranh gay gắt, nơi tài xế có thể dễ dàng chuyển sang đối thủ khác.

Research gap SPECIFIC với citations từ literature: Mặc dù các nghiên cứu hiện có về triển khai CNTT (Jasperson et al., 2005; Kwon & Zmud, 1987), thích nghi CNTT (Raisch et al., 2009; Schmitz et al., 2016) và khuếch tán công nghệ đổi mới (Cooper & Zmud, 1990) đã khẳng định tầm quan trọng của các yếu tố đầu vào của quá trình thích nghi (đặc điểm công nghệ, đặc điểm cá nhân, đặc điểm môi trường) đối với kết quả quyết định và hiệu suất (Bhattacherjee & Lin, 2015; Joia & Altieri, 2018), "hiện đang thiếu các nghiên cứu điều tra ảnh hưởng của các yếu tố tiềm năng này đối với sự thích nghi của người dùng và kết quả của việc sử dụng liên tục trong một mô hình tích hợp" (Abstract, Section 1.2). Đặc biệt, "cho đến nay, chưa có công trình thực nghiệm nào làm rõ mối liên hệ giữa sự thích nghi của người dùng và ý định tiếp tục của họ trong việc triển khai CNTT." (Section 1.2). Trong bối cảnh dịch vụ gọi xe dựa trên nền tảng, nhu cầu về một nghiên cứu chuyên sâu về mối quan hệ giữa thích nghi hành vi và ý định tiếp tục vẫn là một khoảng trống nghiên cứu cần được lấp đầy (Section 1.2). Ngoài ra, nghiên cứu này còn lấp đầy khoảng trống về vai trò trung gian của thích nghi hành vi: "Tại thời điểm viết bài, chưa tìm thấy nghiên cứu nào điều tra vai trò trung gian của sự thích nghi của người dùng đối với các mối liên kết giữa các yếu tố thiết yếu (ví dụ: tự hiệu quả, hỗ trợ quản lý, niềm tin) và CI trong bối cảnh gọi xe." (Section 1.5).

Research questions và hypotheses (đánh số cụ thể): Nghiên cứu được hướng dẫn bởi ba mục tiêu chính, tập trung vào việc điều tra ảnh hưởng của hành vi thích nghi của người dùng và các yếu tố quyết định của nó đối với ý định tiếp tục sử dụng dịch vụ dựa trên ứng dụng di động. Để đạt được các mục tiêu này, nghiên cứu đặt ra ba câu hỏi cụ thể:

  1. Những yếu tố nào có thể ảnh hưởng đến sự thích nghi hành vi và ý định tiếp tục của người dùng ứng dụng di động trong dịch vụ gọi xe trên khắp Việt Nam?
  2. Những yếu tố này ảnh hưởng như thế nào đến sự thích nghi hành vi và ý định tiếp tục của người dùng ứng dụng di động trong dịch vụ gọi xe trên khắp Việt Nam?
  3. Cơ chế trung gian nào mà quá trình thích nghi đóng vai trò trong các mối quan hệ giữa các yếu tố đầu vào và kết quả của quá trình?

Trên cơ sở các lý thuyết nền tảng như Adaptive Structuration Theory for Individuals (ASTI), Expectation-Confirmation Model (ECM), và Decomposed Theory of Planned Behavior (DTPB), nghiên cứu đề xuất một bộ giả thuyết chi tiết, bao gồm:

  • H1: Sự hài lòng của người dùng có liên quan tích cực đến ý định tiếp tục sử dụng dịch vụ gọi xe.
  • H2: Sự hữu ích nhận thức của người dùng có liên quan tích cực đến ý định tiếp tục sử dụng dịch vụ gọi xe.
  • H3: Sự hài lòng của người dùng có liên quan tích cực đến sự hữu ích nhận thức của dịch vụ gọi xe.
  • H4: Sự xác nhận của người dùng có liên quan tích cực đến sự hài lòng với dịch vụ gọi xe.
  • H5: Sự xác nhận của người dùng có liên quan tích cực đến sự hữu ích nhận thức.
  • H6: Sự thích nghi hành vi của người dùng có liên quan tích cực đến ý định tiếp tục sử dụng dịch vụ gọi xe.
  • H7: Sự thích nghi hành vi của người dùng có liên quan tích cực đến sự hài lòng với dịch vụ gọi xe.
  • H8: Tự hiệu quả có liên quan tích cực đến ý định tiếp tục sử dụng dịch vụ gọi xe.
  • H9: Tự hiệu quả có liên quan tích cực đến sự thích nghi hành vi.
  • H10: Niềm tin có liên quan tích cực đến ý định tiếp tục sử dụng dịch vụ gọi xe.
  • H11: Niềm tin có liên quan tích cực đến sự thích nghi hành vi.
  • H12: Hỗ trợ quản lý có tác động tích cực đến sự thích nghi hành vi.
  • H13: Hỗ trợ quản lý có tác động tích cực đến niềm tin.
  • H14: Sự hữu ích nhận thức có liên quan tích cực đến sự thích nghi hành vi.
  • H15: Sự hữu ích nhận thức có liên quan tích cực đến niềm tin.
  • H16: Sự thích nghi hành vi đóng vai trò trung gian trong mối quan hệ giữa niềm tin và ý định tiếp tục.
  • H17: Sự thích nghi hành vi đóng vai trò trung gian hoàn toàn trong mối quan hệ giữa tự hiệu quả và ý định tiếp tục.
  • H18: Sự thích nghi hành vi đóng vai trò trung gian một phần trong mối quan hệ giữa sự hữu ích nhận thức và ý định tiếp tục.

Theoretical framework với tên theories cụ thể: Khung lý thuyết của nghiên cứu được xây dựng dựa trên sự tích hợp của ba lý thuyết nền tảng: (i) Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016), phát triển từ lý thuyết cấu trúc (Giddens, 1984) và Adaptive Structuration Theory (DeSanctis & Poole, 1994); (ii) Expectation-Confirmation Model (ECM) của Bhattacherjee (2001); và (iii) Decomposed Theory of Planned Behavior (DTPB) của Ajzen (1991) và Taylor & Todd (1995). Khung này đặc biệt ở chỗ nó kết hợp quan điểm về thích nghi cá nhân (structuration) vào bối cảnh kinh doanh dựa trên ứng dụng di động, xác định ba yếu tố đầu vào chính: đặc điểm công nghệ của ứng dụng di động, đặc điểm xã hội (ví dụ: tổ chức, nơi làm việc) và đặc điểm cá nhân của người dùng. Khung lý thuyết mới này làm rõ toàn bộ quá trình hình thành ý định tiếp tục sử dụng, từ các yếu tố đầu vào (cấu trúc đầu vào), thích nghi hành vi (quá trình cốt lõi) và kết quả (cấu trúc đầu ra).

Đóng góp đột phá với quantified impact: Nghiên cứu mang lại nhiều đóng góp đáng kể:

  1. Khung lý thuyết mới: Đề xuất một khung lý thuyết và mô hình nghiên cứu mới tích hợp ASTI, ECM và DTPB để làm rõ mối quan hệ thích nghi-tiếp tục ở cấp độ cá nhân trong bối cảnh ứng dụng di động. Khung này giải thích toàn bộ quá trình hình thành ý định tiếp tục sử dụng từ các yếu tố đầu vào, thích nghi hành vi và kết quả.
  2. Vai trò trung gian của thích nghi hành vi: Phát hiện ra vai trò trung gian của thích nghi hành vi của người dùng đối với ý định tiếp tục sử dụng, đặc biệt là việc làm rõ các mối liên kết giữa các yếu tố thiết yếu như tự hiệu quả, hỗ trợ quản lý, niềm tin, và sự hữu ích nhận thức với ý định tiếp tục. Các phân tích bootstrap chỉ ra sự trung gian hoàn toàn của thích nghi hành vi trong mối quan hệ giữa tự hiệu quả và ý định tiếp tục, và trung gian một phần trong mối quan hệ giữa sự hữu ích nhận thức và ý định tiếp tục.
  3. Bằng chứng thực nghiệm từ thị trường mới nổi: Cung cấp bằng chứng thực nghiệm toàn diện từ một thị trường mới nổi như Việt Nam, với dữ liệu thu thập từ hơn 500 tài xế của các hãng gọi xe lớn nhất, giúp mở rộng hiểu biết về hành vi chấp nhận và thích nghi CNTT trong bối cảnh đặc thù này, nơi sự tăng trưởng dịch vụ gọi xe đạt 15,9% hàng năm.
  4. Phương pháp tiếp cận hỗn hợp lý thuyết: Là một trong những nghiên cứu đầu tiên sử dụng kết hợp các phương pháp tiếp cận "variance" và "process" để giải thích hiện tượng "thích nghi CNTT" và "sử dụng CNTT", vốn thường được nghiên cứu riêng lẻ, từ đó cung cấp một góc nhìn sâu sắc hơn về sự tương tác phức tạp giữa công nghệ và người dùng (Langley, 1999; Whelan et al., 2013).

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu tập trung vào việc đo lường và xác thực các mối quan hệ giữa các yếu tố đầu vào của quá trình thích nghi CNTT và kết quả là ý định tiếp tục sử dụng trong bối cảnh gọi xe ở Việt Nam. Dữ liệu được thu thập từ 502 tài xế hợp lệ từ tổng số 800 người tham gia được mời (tỷ lệ phản hồi 62.8%), là đối tác của năm nhà cung cấp dịch vụ RHA lớn nhất (Grab, Gojek, Be, MyGo, Fastgo) trên khắp Việt Nam. Quá trình thu thập dữ liệu diễn ra trong sáu tháng, từ tháng 1 đến tháng 6 năm 2022. Sự lựa chọn Việt Nam là một thị trường mới nổi mang lại ý nghĩa quan trọng, vì nó cung cấp cái nhìn sâu sắc về cách các yếu tố này hoạt động trong một môi trường kinh doanh đang phát triển nhanh chóng và đầy cạnh tranh. Kết quả nghiên cứu có khả năng tổng quát hóa sang các quốc gia và bối cảnh dịch vụ tương tự.

Literature Review và Positioning

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Chương tổng quan tài liệu của luận án đã phân tích sâu rộng các luồng nghiên cứu chính liên quan đến ý định tiếp tục sử dụng CNTT (IT continuance intention) và thích nghi CNTT (IT adaptation). Nghiên cứu phân loại các luồng nghiên cứu về ý định tiếp tục thành ba dòng chính về hành vi sau khi chấp nhận (Bhattacherjee & Lin, 2015; De Guinea & Markus, 2009; Ha et al., 2022):

  1. Hành vi có mục đích hoặc có kế hoạch: Đại diện bởi Technology Acceptance Model (TAM) của Davis et al. (1989), Expectation-Confirmation Model (ECM) của Bhattacherjee (2001) và Technology Continuance Theory (TCT) của Liao et al. (2009).
  2. Ảnh hưởng của yếu tố thói quen: Cho rằng ý định tiếp tục còn bị ảnh hưởng bởi yếu tố thói quen, hành vi lặp lại và tự động (De Guinea & Markus, 2009; Liao et al., 2006; Limayem et al., 2007).
  3. Ảnh hưởng của yếu tố thích nghi: Một luồng mới nổi khẳng định rằng ý định tiếp tục bị ảnh hưởng bởi yếu tố thích nghi, và quá trình thích nghi của người dùng là không thể thiếu đối với ý định tiếp tục và việc sử dụng (Bala & Venkatesh, 2016; Beaudry & Pinsonneault, 2005; Ha et al., 2022). Về thích nghi CNTT, các lý thuyết cốt lõi được xem xét là Adaptive Structuration Theory (AST) của DeSanctis & Poole (1994) và Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016), cũng như Coping Model of User Adaptation (CMUA) của Beaudry & Pinsonneault (2005) và Diffusion of Innovation Theory (DIT) của Rogers (1983). Luận án cũng nhấn mạnh tầm quan trọng của niềm tin (Trust) (Gefen et al., 2003) và hỗ trợ quản lý (Management Support) (Schillewaert et al., 2005) như các yếu tố ảnh hưởng chính.

Contradictions/debates với ít nhất 2 opposing views: Các phát hiện gần đây về thích nghi CNTT và hành vi sau khi chấp nhận đã không nhất quán và mâu thuẫn (xem ví dụ Barki et al., 2007; Bhattacherjee & Barfar, 2011; Schmitz et al., 2016). Một luồng nghiên cứu coi thích nghi như một hành vi sau khi chấp nhận thúc đẩy việc sử dụng mở rộng và tiếp tục (Bala & Venkatesh, 2016; Bhattacherjee & Barfar, 2011), trong khi một số khác tập trung vào các yếu tố trước khi chấp nhận và sự hài lòng như những yếu tố dự đoán chính của ý định tiếp tục (Bhattacherjee, 2001). Một tranh luận khác xoay quanh việc liệu ý định tiếp tục được thúc đẩy bởi các hành vi có ý thức, có kế hoạch (ví dụ: TAM, ECM) hay bởi các yếu tố thói quen và thích nghi tự động. Nghiên cứu này tranh luận rằng cả hai luồng này đều quan trọng nhưng cần một mô hình tích hợp để giải thích đầy đủ các hiện tượng phức tạp của việc sử dụng liên tục, đặc biệt là vai trò của thích nghi hành vi như một yếu tố trung gian.

Positioning trong literature với specific gap identified: Luận án định vị mình là một nghiên cứu tiên phong trong việc lấp đầy khoảng trống rõ ràng trong tài liệu: thiếu các nghiên cứu tích hợp điều tra ảnh hưởng của các yếu tố đầu vào (đặc điểm công nghệ, cá nhân, môi trường) lên sự thích nghi của người dùng và kết quả là ý định tiếp tục sử dụng trong một mô hình thống nhất. Cụ thể, "cho đến nay, chưa có công trình thực nghiệm nào làm rõ mối liên hệ giữa sự thích nghi của người dùng và ý định tiếp tục của họ trong việc triển khai CNTT." (Section 1.2). Nghiên cứu cũng mở rộng hiểu biết bằng cách xem xét vai trò trung gian của thích nghi hành vi, một khía cạnh mà các nghiên cứu trước đây chưa khám phá trong bối cảnh dịch vụ gọi xe.

How this advances field với concrete contributions: Nghiên cứu này thúc đẩy lĩnh vực quản lý thông tin và hành vi người tiêu dùng bằng cách:

  • Cung cấp một khung lý thuyết và mô hình nghiên cứu độc đáo kết hợp ASTI, ECM và DTPB, cho phép hiểu sâu sắc hơn về cách người dùng điều chỉnh và sau đó tiếp tục sử dụng các nền tảng kỹ thuật số.
  • Lần đầu tiên làm rõ vai trò trung gian của thích nghi hành vi trong mối quan hệ giữa các yếu tố như tự hiệu quả, hỗ trợ quản lý, niềm tin, sự hữu ích nhận thức và ý định tiếp tục, bổ sung vào sự phức tạp của hành vi sau khi chấp nhận.
  • Mở rộng ứng dụng của các lý thuyết chấp nhận công nghệ truyền thống (như ECM) bằng cách tích hợp các khái niệm về thích nghi ở cấp độ cá nhân (ASTI), từ đó cung cấp một cái nhìn toàn diện hơn về sự tương tác giữa người dùng và hệ thống CNTT.

So sánh với ÍT NHẤT 2 international studies: So với các nghiên cứu quốc tế như của Schmitz et al. (2016), người đã phát triển khung ASTI và thực hiện khảo sát về thích nghi CNTT (ứng dụng di động tại nơi làm việc) với sinh viên sau đại học, luận án này mở rộng phạm vi bằng cách áp dụng ASTI trong bối cảnh cụ thể của dịch vụ gọi xe và tập trung vào người dùng không chuyên về kỹ thuật (tức là tài xế RHA thông thường), những người có thể có trải nghiệm và động cơ thích nghi khác nhau. Hơn nữa, Schmitz et al. tập trung vào "một quá trình thích nghi" với bốn hành vi thích nghi riêng biệt, trong khi nghiên cứu hiện tại khám phá các yếu tố đầu vào đa chiều và vai trò trung gian của thích nghi hành vi, từ đó cung cấp một cái nhìn toàn diện hơn về quá trình này.

Một nghiên cứu khác của Bala & Venkatesh (2016) đã xem xét thích nghi người dùng như một hành vi sau khi chấp nhận, nhưng thường không tích hợp nó vào một mô hình toàn diện bao gồm cả các yếu tố đầu vào đa dạng và vai trò trung gian của nó đối với ý định tiếp tục. Nghiên cứu này, bằng cách phát hiện "ADP [thích nghi hành vi] tác động đáng kể đến CLI [ý định tiếp tục]" và "lần đầu tiên trong nghiên cứu về ý định tiếp tục sử dụng CNTT, kết quả của một cuộc điều tra đã khám phá ra mối quan hệ nhân quả giữa ADP của người dùng và CI đối với dịch vụ gọi xe" (Section 4.7), đã bổ sung một mảnh ghép quan trọng vào tài liệu học thuật về hành vi sau khi chấp nhận CNTT. Ngoài ra, việc tiến hành nghiên cứu tại Việt Nam cung cấp một cái nhìn độc đáo, khác biệt so với các bối cảnh phát triển hơn về kinh tế số.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Nghiên cứu này đóng góp đáng kể vào việc mở rộng và thách thức các lý thuyết hiện có về chấp nhận và tiếp tục sử dụng công nghệ. Cụ thể, nó mở rộng:

  • Expectation-Confirmation Model (ECM) của Bhattacherjee (2001) bằng cách tích hợp khái niệm thích nghi hành vi. Trong khi ECM chủ yếu tập trung vào sự xác nhận và hữu ích nhận thức dẫn đến sự hài lòng và ý định tiếp tục, nghiên cứu này chỉ ra rằng thích nghi hành vi đóng một vai trò trung gian quan trọng. "Các phát hiện của chúng tôi củng cố những ý kiến cho rằng quá trình thích nghi là không thể thiếu đối với ý định tiếp tục và việc sử dụng" (Schmitz et al., 2016; Bala & Venkatesh, 2016; Beaudry & Pinsonneault, 2005) (Section 4.7), điều này ngụ ý rằng ECM có thể được làm phong phú hơn bằng cách xem xét các hành vi chủ động của người dùng để điều chỉnh theo công nghệ.
  • Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016) bằng cách áp dụng nó vào bối cảnh dịch vụ gọi xe và tích hợp nó với các yếu tố đầu vào từ ECM và DTPB. ASTI tập trung vào sự tương tác qua lại giữa công nghệ và môi trường làm việc của người dùng, dẫn đến "quá trình cấu trúc hóa" (structuration). Nghiên cứu này mở rộng bằng cách xác định các yếu tố cụ thể (hữu ích nhận thức, hỗ trợ quản lý, tự hiệu quả, niềm tin) đóng vai trò là "cấu trúc đầu vào" (input structures) ảnh hưởng đến quá trình thích nghi và sau đó dẫn đến "kết quả cấu trúc đầu ra" (output structures) là ý định tiếp tục.
  • Decomposed Theory of Planned Behavior (DTPB) (Ajzen, 1991; Taylor & Todd, 1995) bằng cách thêm thích nghi hành vi như một cơ chế quan trọng giải thích mối quan hệ giữa các niềm tin về kiểm soát (ví dụ: tự hiệu quả) và ý định. DTPB phân tích các yếu tố ảnh hưởng đến ý định hành vi, và nghiên cứu này chỉ ra rằng tự hiệu quả (một yếu tố kiểm soát nhận thức) không trực tiếp ảnh hưởng đến ý định tiếp tục (H8 bị bác bỏ), nhưng tác động thông qua thích nghi hành vi (H17 được hỗ trợ là trung gian hoàn toàn). Điều này làm sâu sắc thêm sự hiểu biết về cơ chế mà qua đó các đặc điểm cá nhân tác động đến hành vi sử dụng liên tục.

Conceptual framework với components và relationships: Khung khái niệm của nghiên cứu được xây dựng dựa trên sự tích hợp các lý thuyết ASTI, ECM, và DTPB, bao gồm ba giai đoạn chính:

  1. Inputs (Cấu trúc đầu vào): Gồm các đặc điểm công nghệ (Perceived Usefulness - Hữu ích nhận thức), đặc điểm xã hội/môi trường (Management Support - Hỗ trợ quản lý, Trust - Niềm tin) và đặc điểm cá nhân (Self-Efficacy - Tự hiệu quả).
  2. Process (Quá trình cốt lõi): Đây là Behavioral Adaptation (Thích nghi hành vi), được định nghĩa là mức độ mà người dùng cá nhân điều chỉnh, sửa đổi các tính năng của RHA, quy trình làm việc và bản thân để phù hợp với nền tảng và nhu cầu, tình huống của họ (Bala & Venkatesh, 2016; Barki et al., 2007).
  3. Outcomes (Cấu trúc đầu ra): Gồm Customer Satisfaction (Sự hài lòng của khách hàng) và Continuance Intention (Ý định tiếp tục sử dụng). Mối quan hệ chính được đề xuất là các yếu tố đầu vào ảnh hưởng đến thích nghi hành vi, và thích nghi hành vi này sau đó ảnh hưởng đến sự hài lòng và ý định tiếp tục. Quan trọng hơn, thích nghi hành vi được khái niệm hóa là một yếu tố trung gian giữa các yếu tố đầu vào và ý định tiếp tục.

Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết được minh họa rõ ràng với 18 giả thuyết (H1-H18) đã được liệt kê ở phần Tổng quan, mô tả các mối quan hệ trực tiếp và gián tiếp giữa các cấu trúc:

  • Các mối quan hệ ECM truyền thống: H1 (SA->CI), H2 (PU->CI), H3 (PU->SA), H4 (CON->SA), H5 (CON->PU).
  • Mối quan hệ thích nghi: H6 (ADP->CI), H7 (ADP->SA).
  • Mối quan hệ ảnh hưởng của các yếu tố đầu vào lên thích nghi và ý định tiếp tục: H8 (SE->CI), H9 (SE->ADP), H10 (TR->CI), H11 (TR->ADP), H12 (MS->ADP), H13 (MS->TR), H14 (PU->ADP), H15 (PU->TR).
  • Các giả thuyết về vai trò trung gian: H16 (TR-ADP-CI), H17 (SE-ADP-CI), H18 (PU-ADP-CI).

Paradigm shift với EVIDENCE từ findings: Mặc dù không tuyên bố là một "thay đổi mô hình" (paradigm shift) hoàn toàn, nghiên cứu này thúc đẩy một sự dịch chuyển quan trọng trong cách nhìn nhận hành vi người dùng CNTT bằng cách nhấn mạnh vai trò chủ động của người dùng trong việc thích nghi. Các nghiên cứu trước đây thường coi người dùng là người tiếp nhận thụ động công nghệ (ví dụ: các mô hình chấp nhận công nghệ ban đầu). Tuy nhiên, nghiên cứu này, với việc phát hiện ra rằng "ADP [thích nghi hành vi] tác động đáng kể đến CLI [ý định tiếp tục]" (Section 4.7) và vai trò trung gian của ADP giữa các yếu tố đầu vào (tự hiệu quả, hữu ích nhận thức) và ý định tiếp tục (Table 7), chứng minh rằng người dùng không chỉ đơn thuần "chấp nhận" hoặc "tiếp tục sử dụng" công nghệ mà còn tích cực "thích nghi" với nó. Điều này gợi ý một mô hình nhận thức về người dùng năng động hơn, điều chỉnh công nghệ để phù hợp với nhu cầu và phong cách làm việc của họ, thay vì chỉ đơn thuần chấp nhận công nghệ như được cung cấp.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp các lý thuyết từ nhiều lĩnh vực khác nhau để tạo ra một cách tiếp cận mới lạ.

Integration của theories (name 3+ specific theories): Nghiên cứu tích hợp một cách độc đáo ba lý thuyết cốt lõi:

  1. Adaptive Structuration Theory for Individuals (ASTI) (Schmitz et al., 2016): Cung cấp nền tảng cho việc hiểu quá trình thích nghi ở cấp độ cá nhân, nhấn mạnh sự tương tác qua lại giữa công nghệ và người dùng.
  2. Expectation-Confirmation Model (ECM) (Bhattacherjee, 2001): Giải thích hành vi sau khi chấp nhận thông qua sự xác nhận kỳ vọng, sự hữu ích nhận thức và sự hài lòng.
  3. Decomposed Theory of Planned Behavior (DTPB) (Taylor & Todd, 1995): Cung cấp các yếu tố ảnh hưởng đến ý định hành vi, đặc biệt là tự hiệu quả. Ngoài ra, các lý thuyết khác như Commitment-Trust Theory (CTT) và Social Exchange Theory (SET) đã được tham chiếu để xây dựng khái niệm về niềm tin. Sự tích hợp này cho phép một cái nhìn đa chiều, vượt ra ngoài các mô hình đơn lẻ, để nắm bắt sự phức tạp của hành vi người dùng trong môi trường kỹ thuật số năng động.

Novel analytical approach với justification: Cách tiếp cận phân tích mới lạ nằm ở việc kết hợp quan điểm "variance" (tìm kiếm mối quan hệ giữa các biến số) với quan điểm "process" (hiểu các giai đoạn và cơ chế của một hiện tượng). "Bằng cách sử dụng sự kết hợp các cách tiếp cận đặc biệt, nghiên cứu này giúp giải thích hiện tượng “thích nghi CNTT” và “sử dụng CNTT” vốn gắn liền với cả tính chất quá trình và tính chất phương sai (Langley, 1999; Whelan et al., 2013)" (Section 1.5). Sự biện minh cho cách tiếp cận này là để khắc phục những hạn chế của các nghiên cứu trước đây thường chỉ tập trung vào một trong hai quan điểm, từ đó cung cấp một cái nhìn toàn diện hơn về cách các yếu tố đầu vào tác động thông qua quá trình thích nghi để tạo ra ý định tiếp tục.

Conceptual contributions với definitions: Nghiên cứu đưa ra các đóng góp khái niệm rõ ràng, bao gồm:

  • Adaptation Behavior (ADP): Định nghĩa là "mức độ mà người dùng cá nhân điều chỉnh, sửa đổi các tính năng của RHA, quy trình làm việc và bản thân để phù hợp với nền tảng và nhu cầu, tình huống của họ" (Bala & Venkatesh, 2016; Barki et al., 2007) (Section 2.2.1).
  • Continuance Intention (CI): Định nghĩa là "ý định của một cá nhân tiếp tục sử dụng một hệ thống thông tin" (Bhattacherjee, 2001, tr. 352) (Section 2.1.1).
  • Management Support (MS): Định nghĩa là "mức độ mà các nhà quản lý của một công ty khuyến khích và cung cấp nguồn lực cần thiết cho người dùng RHA để thích nghi với ứng dụng gọi xe" (Section 2.3.4). Những định nghĩa này được phát triển từ các tài liệu học thuật hiện có và được tinh chỉnh để phù hợp với bối cảnh cụ thể của dịch vụ gọi xe.

Boundary conditions explicitly stated: Các điều kiện biên của nghiên cứu được xác định rõ ràng:

  • Bối cảnh: Tập trung vào dịch vụ gọi xe ở Việt Nam, một thị trường mới nổi với các đặc điểm văn hóa và kinh tế riêng. Mặc dù các mối quan hệ được nghiên cứu có thể tổng quát hóa sang các quốc gia khác, cần thận trọng khi áp dụng trực tiếp mà không xem xét các yếu tố bối cảnh cụ thể.
  • Đối tượng: Nghiên cứu tập trung vào tài xế (người cung cấp dịch vụ) của các ứng dụng gọi xe, thay vì khách hàng (người dùng cuối). "Người dùng, cả tài xế gọi xe và người đi xe, chưa được khám phá đầy đủ" (Abstract) và "ít nghiên cứu đã phân tích ý định tiếp tục từ góc độ tài xế nền tảng gọi xe" (Abstract), cho thấy một giới hạn rõ ràng về đối tượng.
  • Phạm vi ứng dụng: Tập trung vào năm ứng dụng gọi xe được sử dụng nhiều nhất cho dịch vụ vận chuyển, giao đồ ăn và hàng hóa ở Việt Nam (Davis & Neves, 2021; Statista, 2019).
  • Thời gian: Dữ liệu được thu thập trong khoảng thời gian sáu tháng (Tháng 1 đến Tháng 6 năm 2022), phản ánh một điểm thời gian cụ thể và có thể không nắm bắt được những thay đổi dài hạn trong hành vi người dùng hoặc công nghệ.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Research philosophy (positivism/interpretivism/critical realism): Nghiên cứu này tuân thủ triết lý nghiên cứu thực chứng (positivism). Điều này được tuyên bố rõ ràng trong phần phương pháp luận: "Nghiên cứu này phù hợp với các tiêu chí của chủ nghĩa thực chứng." (Section 3.2.2). Triết lý thực chứng được thể hiện qua việc tìm cách xác định các mối quan hệ nhân quả giữa các biến số, sử dụng các phương pháp định lượng để kiểm tra giả thuyết và mục tiêu tổng quát hóa các phát hiện.

Mixed methods với SPECIFIC combination rationale: Nghiên cứu chủ yếu sử dụng phương pháp định lượng (quantitative method). Mặc dù không phải là một nghiên cứu "mixed methods" đầy đủ theo định nghĩa truyền thống, nhưng có yếu tố "kết hợp" trong quá trình chuẩn bị. Cụ thể, sau khi phát triển bảng câu hỏi ban đầu, nghiên cứu đã tiến hành "pretest với một nhóm người trả lời (n=30) bằng cách sử dụng phỏng vấn trực tiếp" (Section 3.5). Mặc dù mục tiêu chính của pretest là để kiểm tra độ rõ ràng và tính phù hợp của bảng câu hỏi chứ không phải để thu thập dữ liệu định tính chuyên sâu, điều này cho thấy sự kết hợp của các kỹ thuật định tính (phỏng vấn trực tiếp) trong giai đoạn thiết kế công cụ để tăng cường độ tin cậy và giá trị của dữ liệu định lượng chính. Điều này được biện minh bởi mong muốn đảm bảo "tính bền vững của bảng câu hỏi" (Section 3.5) và giảm thiểu sai lệch tiềm năng.

Multi-level design với levels clearly defined: Nghiên cứu này không sử dụng thiết kế đa cấp (multi-level design) mà tập trung vào phân tích ở cấp độ cá nhân (individual level). "Đơn vị phân tích của nghiên cứu này là sự thích nghi hành vi của người dùng với ứng dụng thương mại điện tử di động trong lĩnh vực dịch vụ gọi xe." (Section 1.4.1). Điều này nhất quán với việc áp dụng Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016), một lý thuyết được phát triển để nghiên cứu thích nghi ở cấp độ cá nhân, trái ngược với AST thường áp dụng ở cấp độ nhóm hoặc tổ chức.

Sample size và selection criteria EXACT: Kích thước mẫu cuối cùng là 502 phản hồi hợp lệ từ tổng số 800 người tham gia được mời (tỷ lệ chấp nhận 62,8%) (Section 3.6.2). Tiêu chí lựa chọn người tham gia cụ thể bao gồm:

  1. Mặc đồng phục theo yêu cầu của hãng gọi xe.
  2. Có ứng dụng gọi xe (RHA m-app) đã được tải xuống và đang hoạt động trên điện thoại thông minh của họ. Các người tham gia là tài xế-đối tác của ít nhất một trong năm nhà cung cấp dịch vụ RHA lớn nhất tại Việt Nam (Grab, Gojek, Be, MyGo, Fastgo).

Quy trình nghiên cứu rigorous

Sampling strategy với inclusion/exclusion criteria: Chiến lược lấy mẫu là lấy mẫu ngẫu nhiên có mục đích (purposive sampling) kết hợp với chiến lược "mall-intercept face-to-face interviews" (Malhotra, 2019; Prendergast et al., 2017) (Section 3.6.2). Các tài xế được chọn tại các khu vực đô thị lớn (TP. Hồ Chí Minh, Hà Nội, Đà Nẵng) và ba tỉnh ít phát triển hơn (Đồng Nai, Long An, Hải Phòng) để đảm bảo đại diện cho các bối cảnh kinh tế-xã hội đa dạng của Việt Nam (World Population Review, 2022).

  • Inclusion criteria: Đã nêu trên (mặc đồng phục, có ứng dụng RHA đang hoạt động).
  • Exclusion criteria: Không được nêu rõ ràng trong văn bản cung cấp, nhưng ngụ ý là những người không đáp ứng tiêu chí bao gồm hoặc từ chối tham gia.

Data collection protocols với instruments described:

  • Thời gian: Thu thập dữ liệu trong sáu tháng (Tháng 1 đến Tháng 6 năm 2022) (Section 3.6.2).
  • Phương pháp: Phỏng vấn trực tiếp bằng bảng câu hỏi giấy (direct paper-based interviews) (Section 3.6.2).
  • Công cụ: Bảng câu hỏi gồm ba phần: (1) câu hỏi sàng lọc, (2) câu hỏi chính về các biến nghiên cứu, (3) câu hỏi về thông tin nhân khẩu học (Fauzi & Sheng, 2021; Nguyen-Phuoc et al., 2020) (Section 3.5).
  • Thang đo: Thang đo Likert 7 điểm (Albaum, 1997; Carifio & Perla, 2007) cho tất cả các mục đo lường. Các mục được điều chỉnh từ các nghiên cứu trước đây (Bhattacherjee, 2001; Davis et al., 1989; Gefen et al., 2003; Barki et al., 2007; Schmitz et al., 2016; Shiau et al., 2020; Venkatesh et al., 2003; Schillewaert et al., 2005) và tinh chỉnh cho bối cảnh gọi xe (Section 3.4, Table 2).
  • Ngăn chặn sai lệch phỏng vấn: Áp dụng bốn bước nghiêm ngặt: (1) lựa chọn người phỏng vấn tiềm năng, (2) đào tạo kỹ năng phỏng vấn và quy trình tương tác chuẩn hóa, (3) phân công nhiều người phỏng vấn đến các khu vực địa lý ngẫu nhiên, và (4) giám sát người phỏng vấn (Section 3.6.1).
  • Quy trình dịch ngược: Sử dụng thủ tục dịch ngược (back-translation procedure) của Brislin và Freimanis (2001) để dịch bảng câu hỏi từ tiếng Anh sang tiếng Việt và xác minh lại, đảm bảo tính chính xác ngôn ngữ và ngữ nghĩa (Section 3.5).

Triangulation (data/method/investigator/theory): Nghiên cứu này chủ yếu sử dụng tam giác hóa lý thuyết (theory triangulation) và tam giác hóa công cụ (instrument triangulation).

  • Tam giác hóa lý thuyết: Được thể hiện rõ ràng qua việc tích hợp ba lý thuyết nền tảng (ASTI, ECM, DTPB) để xây dựng một khung lý thuyết toàn diện hơn, giúp nhìn nhận vấn đề từ nhiều góc độ lý thuyết khác nhau.
  • Tam giác hóa công cụ: Các mục đo lường được lấy từ nhiều nguồn đã được thiết lập trong tài liệu (Bhattacherjee, Davis, Gefen, Barki, Schmitz, Shiau, Venkatesh, Schillewaert) và được điều chỉnh cho bối cảnh nghiên cứu. Điều này đảm bảo rằng các khái niệm được đo lường bằng các cách tiếp cận đã được xác thực trước đó.

Validity (construct/internal/external) và reliability (α values):

  • Reliability: Kiểm tra độ tin cậy được thực hiện bằng cách sử dụng composite reliability (CR) và Cronbach's alpha. Các giá trị Cronbach's alpha "dao động từ 0.831 (hỗ trợ quản lý), cho thấy các cấu trúc có tính nhất quán nội bộ với ngưỡng đề xuất là 0.60" (Section 4.4, Table 4). Các giá trị CR "dao động từ 0.864 đến 0.942" (Section 4.4), đều vượt quá ngưỡng 0.70 của Bagozzi & Yi (1988).
  • Validity:
    • Construct Validity (Giá trị cấu trúc):
      • Convergent Validity (Giá trị hội tụ): Được đánh giá bằng các giá trị Standardized Factor Loading (SFL) và Average Variance Extracted (AVE). "Các giá trị tải nhân tố (SFL) (dao động từ 0.805) đều chấp nhận được và có ý nghĩa thống kê ở mức 0.001" (Section 4.4). Các giá trị AVE "dao động từ 0.565 (tự hiệu quả), được chấp nhận thỏa đáng ở mức 0.50" (Section 4.4). Đối với AVE của niềm tin (0.483) và sự hài lòng (0.490), mặc dù thấp hơn 0.50 một chút, nhưng với CR tương ứng là 0.787 và 0.793 (lớn hơn 0.60), giá trị hội tụ vẫn được coi là đầy đủ theo Fornell và Larcker (1981) (Section 4.4, Table 4).
      • Discriminant Validity (Giá trị phân biệt): Được xác nhận khi không có mối tương quan bình phương giữa các cấu trúc nào vượt quá các giá trị AVE của chúng (Fornell & Larcker, 1981) (Section 4.4, Table 5).
    • Internal Validity (Giá trị nội bộ): Được tăng cường thông qua kiểm soát các yếu tố gây nhiễu, bao gồm kiểm tra Common Method Bias (CMB). "Kết quả kiểm định cho thấy yếu tố đơn lẻ chỉ chiếm 23.60% phương sai của 28 biến, không phải là đa số" (Section 4.1), cho thấy CMB không nghiêm trọng. Việc đảm bảo phân phối chuẩn của dữ liệu (độ xiên < 3, độ nhọn < 7) và không có ngoại lệ cũng góp phần vào giá trị nội bộ (Section 4.4).
    • External Validity (Giá trị bên ngoài): Được cải thiện bằng cách thu thập dữ liệu từ các khu vực địa lý đa dạng trên khắp Việt Nam (cả thành phố lớn và tỉnh ít phát triển hơn) nhằm tăng khả năng tổng quát hóa các phát hiện đến các bối cảnh tương tự (Section 3.6.2).

Data và phân tích

Sample characteristics với demographics/statistics: Mẫu nghiên cứu gồm 502 tài xế. Về giới tính, nam giới chiếm đa số với 87,3% (440 người). Về trình độ học vấn, 54,0% (271 người) có bằng trung học phổ thông, 39,6% (199 người) có bằng cao đẳng và đại học, và 6,4% (32 người) có bằng trung học cơ sở. Về mô hình nghề nghiệp, 41,0% (206 người) là tài xế toàn thời gian, 30,5% (153 người) là nhân viên bán thời gian, và 15,4% (76 người) là sinh viên bán thời gian. Về thời gian sử dụng RHA, phần lớn (307 người, 61,2%) đã sử dụng hơn sáu tháng, trong khi 37,6% (189 người) sử dụng dưới sáu tháng và chỉ 1,2% (6 người) sử dụng dưới một tháng (Table 3).

Advanced techniques (SEM/multilevel/QCA etc.) với software: Nghiên cứu sử dụng kỹ thuật phân tích tiên tiến là Mô hình Phương trình Cấu trúc (Structural Equation Modeling - SEM). Các phần mềm được sử dụng để phân tích dữ liệu là IBM SPSS phiên bản 24 và AMOS phiên bản 24 (Abstract, Section 4.0). SEM được sử dụng để phân tích dữ liệu và xác thực các mối quan hệ giả thuyết, bao gồm cả mô hình đo lường (CFA) và mô hình cấu trúc. Ngoài ra, phương pháp bootstrap (Hayes & Preacher, 2014) với 5.000 mẫu bootstrap và khoảng tin cậy 95% đã được sử dụng để đánh giá hiệu ứng trung gian của thích nghi hành vi (Section 4.6).

Robustness checks với alternative specifications: Mặc dù văn bản không mô tả chi tiết "alternative specifications", tính mạnh mẽ của mô hình đã được kiểm tra thông qua:

  • Kiểm tra Common Method Bias (CMB): Sử dụng kiểm định yếu tố đơn của Harman, với yếu tố đơn lẻ chỉ chiếm 23,60% tổng phương sai (Section 4.1), cho thấy CMB không phải là một vấn đề nghiêm trọng.
  • Đánh giá các chỉ số phù hợp của mô hình: Các chỉ số như χ2/df, RMSEA, CFI, TLI, GFI, NFI đều được kiểm tra và "chứng minh sự phù hợp rất tốt của mô hình đo lường bởi dữ liệu thực nghiệm" (Section 4.4), cho thấy mô hình ổn định và phù hợp với dữ liệu.

Effect sizes và confidence intervals reported: Trong phần phân tích, các ước lượng đường dẫn chuẩn hóa (Standardized path estimate) được báo cáo cùng với giá trị p để xác định ý nghĩa thống kê. Ví dụ, mối quan hệ H6 (ADP -> CI) có ước lượng đường dẫn là 0.206 và p-value < 0.001 (Section 4.5, Table 6). Đối với phân tích trung gian, khoảng tin cậy 95% (bias-corrected confidence interval) được báo cáo cho các hiệu ứng gián tiếp sử dụng phương pháp bootstrap. Ví dụ, cho mối quan hệ TR-ADP-CI, khoảng tin cậy là [Low: -0.013, High: 0.054], với p-value là 0.287 (không có ý nghĩa thống kê), dẫn đến kết luận "No mediation" (Không có trung gian) (Table 7). Ngược lại, cho SE-ADP-CI, khoảng tin cậy là [Low: 0.002, High: 0.027] với p-value là 0.018 (có ý nghĩa thống kê), dẫn đến kết luận "Full mediation" (Trung gian hoàn toàn) (Table 7).

Phát hiện đột phá và implications

Những phát hiện then chốt

Nghiên cứu đã khám phá nhiều phát hiện then chốt, mang tính đột phá và có ý nghĩa thống kê, được hỗ trợ bởi dữ liệu thực nghiệm chi tiết:

  1. Thích nghi hành vi tác động trực tiếp và mạnh mẽ đến ý định tiếp tục: "Phát hiện gốc của nghiên cứu này là ADP [thích nghi hành vi] tác động đáng kể đến CLI [ý định tiếp tục]." (Section 4.7). Với ước lượng đường dẫn chuẩn hóa là 0.206 (p < 0.001) (Table 6), đây là lần đầu tiên trong nghiên cứu về ý định tiếp tục sử dụng CNTT, một mối quan hệ nhân quả rõ ràng giữa ADP của người dùng và CI đối với dịch vụ gọi xe được phát hiện. Điều này khẳng định rằng sự chủ động của người dùng trong việc điều chỉnh theo ứng dụng là một yếu tố then chốt để họ tiếp tục sử dụng.
  2. Vai trò trung gian hoàn toàn của thích nghi hành vi đối với tự hiệu quả: Nghiên cứu phát hiện ra rằng thích nghi hành vi đóng vai trò trung gian hoàn toàn (Full mediation) trong mối quan hệ giữa tự hiệu quả (Self-Efficacy) và ý định tiếp tục (CI) (Table 7). Điều này có nghĩa là tự hiệu quả của người dùng không trực tiếp ảnh hưởng đến ý định tiếp tục (H8 bị bác bỏ với p=0.066), mà phải thông qua quá trình thích nghi hành vi (H9: SE->ADP được hỗ trợ với p=0.002). Đây là một phát hiện quan trọng, cho thấy người dùng tự tin vào khả năng sử dụng ứng dụng sẽ dễ dàng thích nghi hơn, và chính sự thích nghi này mới dẫn đến ý định tiếp tục.
  3. Vai trò trung gian một phần của thích nghi hành vi đối với sự hữu ích nhận thức: Thích nghi hành vi cũng đóng vai trò trung gian một phần (Partial mediation) trong mối quan hệ giữa sự hữu ích nhận thức (Perceived Usefulness) và ý định tiếp tục (CI) (Table 7). Điều này chỉ ra rằng mặc dù sự hữu ích nhận thức có ảnh hưởng trực tiếp đến CI (H2: PU->CI được hỗ trợ với p<0.001), nó cũng tác động gián tiếp thông qua thích nghi hành vi (H14: PU->ADP được hỗ trợ với p=0.027). Người dùng càng nhận thấy ứng dụng hữu ích, họ càng có xu hướng thích nghi với nó, điều này lại càng củng cố ý định tiếp tục sử dụng.
  4. Hỗ trợ quản lý tác động đến niềm tin và thích nghi hành vi: Hỗ trợ quản lý (Management Support) có tác động tích cực đáng kể đến niềm tin (Trust) (H13, p<0.001) và thích nghi hành vi (ADP) (H12, p=0.019) (Table 6). Phát hiện này nhấn mạnh tầm quan trọng của sự hỗ trợ từ phía công ty gọi xe trong việc xây dựng lòng tin và khuyến khích tài xế điều chỉnh theo nền tảng, một khía cạnh ít được làm rõ trong các nghiên cứu trước đây về hành vi sau chấp nhận.
  5. Kết quả phản trực giác: Phát hiện rằng mối quan hệ giữa niềm tin (Trust) và ý định tiếp tục (CI) không được trung gian bởi thích nghi hành vi (H16 bị bác bỏ với p=0.287 trong phân tích trung gian) là một kết quả phản trực giác. Mặc dù niềm tin trực tiếp tác động tích cực đến ý định tiếp tục (H10, p<0.001), nhưng cách người dùng thích nghi với ứng dụng không phải là kênh chính mà qua đó niềm tin ảnh hưởng đến việc tiếp tục sử dụng. Điều này gợi ý rằng niềm tin có thể là một yếu tố "cốt lõi" hơn, ảnh hưởng đến ý định một cách độc lập hoặc thông qua các cơ chế khác không liên quan trực tiếp đến thích nghi hoạt động.

Compare với prior research findings: Các phát hiện này mở rộng và đôi khi thách thức các kết quả từ các nghiên cứu trước đây. Trong khi các nghiên cứu trước đó đã thảo luận về thích nghi như một hành vi sau khi chấp nhận (Bala & Venkatesh, 2016; Bhattacherjee & Barfar, 2011), nghiên cứu này lần đầu tiên cung cấp bằng chứng thực nghiệm về mối quan hệ nhân quả trực tiếp và vai trò trung gian của thích nghi hành vi. Ví dụ, Bhattacherjee (2001) với ECM của mình đã không đưa thích nghi hành vi vào mô hình của mình. Phát hiện về vai trò trung gian hoàn toàn của thích nghi hành vi đối với tự hiệu quả cũng khác biệt so với các mô hình trước đây như TPB hay DTPB, nơi tự hiệu quả thường được coi là có tác động trực tiếp đến ý định hành vi.

Implications đa chiều

Theoretical advances với contribution to 2+ theories: Nghiên cứu đóng góp vào sự phát triển của lý thuyết bằng cách mở rộng Expectation-Confirmation Model (ECM) của Bhattacherjee (2001) và Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016). Bằng cách tích hợp thích nghi hành vi như một biến trung gian, nghiên cứu làm phong phú ECM, cho thấy rằng sự hài lòng và ý định tiếp tục không chỉ là kết quả của sự xác nhận kỳ vọng và hữu ích nhận thức mà còn là sản phẩm của quá trình chủ động thích nghi của người dùng. Đối với ASTI, nghiên cứu này xác định các yếu tố đầu vào cụ thể (tự hiệu quả, hữu ích nhận thức, hỗ trợ quản lý, niềm tin) và làm rõ cách chúng tác động lên quá trình thích nghi, từ đó dẫn đến ý định tiếp tục, cung cấp một khung làm việc toàn diện hơn cho các nghiên cứu về cấu trúc hóa.

Methodological innovations applicable to other contexts: Nghiên cứu giới thiệu một cách tiếp cận phương pháp luận mạnh mẽ bằng cách kết hợp kiểm tra độ tin cậy và giá trị nghiêm ngặt (CR, AVE, SFL, Cronbach's alpha) với các kỹ thuật phân tích tiên tiến như SEM và bootstrap cho các hiệu ứng trung gian. Việc sử dụng kiểm tra Common Method Bias (CMB) và quy trình dịch ngược (back-translation) cũng thể hiện sự nghiêm ngặt trong thiết kế nghiên cứu. Cách tiếp cận này có thể được áp dụng trong các bối cảnh khác để nghiên cứu hành vi người dùng đối với các nền tảng kỹ thuật số mới (ví dụ: e-learning, telehealth, mobile banking) hoặc các dịch vụ dựa trên ứng dụng trong các thị trường mới nổi tương tự, nơi dữ liệu có thể khó thu thập và yêu cầu sự chú ý đặc biệt đến tính hợp lệ của công cụ.

Practical applications với specific recommendations:

  • Đối với các công ty gọi xe (RHA firms): Các nhà quản lý nên tập trung vào việc tạo điều kiện cho quá trình thích nghi của tài xế. Điều này có thể bao gồm việc cung cấp các hướng dẫn sử dụng ứng dụng linh hoạt, các tùy chọn tùy chỉnh ứng dụng để phù hợp với phong cách lái xe cá nhân, và các cơ chế phản hồi cho phép tài xế đề xuất cải tiến. "Người dùng càng thực hiện quá trình thích nghi (ví dụ: học cách sử dụng dịch vụ nền tảng hoặc điều chỉnh các tính năng nền tảng trên điện thoại thông minh, v.v.), họ càng có khả năng đã thích nghi với nền tảng và làm cho nền tảng phù hợp hơn với bản thân, nghĩa là họ sẽ hài lòng với nền tảng và sẽ tiếp tục sử dụng nó" (Section 2.5.2).
  • Tăng cường tự hiệu quả của tài xế: Do tự hiệu quả ảnh hưởng đến ý định tiếp tục thông qua thích nghi hành vi, các công ty nên đầu tư vào các chương trình đào tạo đơn giản, dễ tiếp cận và cung cấp hỗ trợ kỹ thuật nhanh chóng để nâng cao sự tự tin của tài xế trong việc sử dụng ứng dụng, đặc biệt là các tính năng mới.
  • Cải thiện hỗ trợ quản lý: Kết quả cho thấy hỗ trợ quản lý tác động tích cực đến niềm tin và thích nghi. Các công ty nên đảm bảo rằng các giám sát viên trực tiếp khuyến khích sử dụng ứng dụng, cung cấp nguồn lực cần thiết và truyền đạt rõ ràng lợi ích của việc sử dụng ứng dụng, giống như trong các nghiên cứu về dịch vụ ngân hàng (Rubel et al., 2020) và chăm sóc sức khỏe (Alsyouf & Ishak, 2018).
  • Tập trung vào hữu ích nhận thức: Mặc dù thích nghi là trung gian, sự hữu ích nhận thức vẫn có tác động trực tiếp đáng kể. Các công ty nên liên tục cải tiến các tính năng của ứng dụng để đảm bảo chúng thực sự giúp tài xế làm việc hiệu quả và nhanh chóng hơn.

Policy recommendations với implementation pathway:

  • Đối với các cơ quan quản lý giao thông/kinh tế số: Cần phát triển các chính sách khuyến khích các nền tảng kỹ thuật số cung cấp các công cụ và hỗ trợ để người dùng (đặc biệt là tài xế) có thể dễ dàng thích nghi với công nghệ mới. Điều này có thể bao gồm các tiêu chuẩn tối thiểu về giao diện người dùng, tài liệu hướng dẫn và kênh hỗ trợ khách hàng.
  • Xây dựng niềm tin trong nền kinh tế số: Niềm tin là yếu tố quan trọng ảnh hưởng đến ý định tiếp tục. Các chính phủ có thể thúc đẩy lòng tin bằng cách ban hành các quy định rõ ràng về bảo vệ dữ liệu, giải quyết tranh chấp công bằng giữa các bên (công ty, tài xế, khách hàng) và đảm bảo tính minh bạch trong hoạt động của các nền tảng. "Nghiên cứu đề xuất rằng niềm tin là một yếu tố tiên quyết và tạo điều kiện cho các tương tác trực tuyến cho các doanh nghiệp ứng dụng di động" (Ashraf et al., 2020) (Section 2.5.4).

Generalizability conditions clearly specified: Các điều kiện để tổng quát hóa được xác định rõ:

  • Dịch vụ tương tự: Các phát hiện có khả năng tổng quát hóa cao đối với các dịch vụ dựa trên ứng dụng di động khác trong nền kinh tế chia sẻ (sharing economy) có mô hình người dùng tương tự (như dịch vụ giao hàng, dịch vụ việc nhà), nơi người dùng cần thích nghi với nền tảng để cung cấp hoặc sử dụng dịch vụ.
  • Thị trường mới nổi: Các kết quả có thể đặc biệt liên quan đến các thị trường mới nổi khác trong khu vực Đông Nam Á hoặc các khu vực khác có tốc độ tăng trưởng nhanh chóng của kinh tế số và đặc điểm hành vi người dùng tương đồng với Việt Nam.
  • Người dùng không chuyên về kỹ thuật: Các phát hiện đặc biệt áp dụng cho nhóm người dùng không phải là chuyên gia CNTT, những người cần nhiều nỗ lực hơn để thích nghi với các công nghệ mới.
  • Tuy nhiên, cần thận trọng khi tổng quát hóa cho các thị trường phát triển hoặc các ứng dụng có bản chất khác (ví dụ: các ứng dụng phức tạp yêu cầu kỹ năng chuyên môn cao) hoặc trong các bối cảnh nơi các yếu tố xã hội và quản lý có cấu trúc khác biệt đáng kể.

Limitations và Future Research

3-4 specific limitations acknowledged

Nghiên cứu này, mặc dù nghiêm ngặt, vẫn có những hạn chế đáng kể:

  1. Thiết kế cắt ngang (Cross-sectional design): Dữ liệu được thu thập tại một thời điểm cụ thể, điều này hạn chế khả năng suy luận về các mối quan hệ nhân quả một cách chắc chắn và không thể nắm bắt được sự tiến hóa của hành vi thích nghi và ý định tiếp tục theo thời gian.
  2. Tự báo cáo (Self-reported data): Dữ liệu được thu thập thông qua bảng câu hỏi tự báo cáo có thể dẫn đến sai lệch mong muốn xã hội hoặc sai lệch nhận thức cá nhân. Mặc dù đã thực hiện kiểm tra Common Method Bias (CMB) và chỉ ra rằng nó không nghiêm trọng (yếu tố đơn lẻ chỉ chiếm 23.60% phương sai), nhưng vẫn không thể loại bỏ hoàn toàn các sai lệch này.
  3. Giới hạn về đối tượng: Nghiên cứu chỉ tập trung vào tài xế của dịch vụ gọi xe ở Việt Nam. Việc không bao gồm người dùng cuối (riders) hoặc các bên liên quan khác (nhà phát triển ứng dụng) có thể hạn chế tính tổng quát hóa của các phát hiện về hành vi thích nghi và ý định tiếp tục trong toàn bộ hệ sinh thái nền tảng.
  4. Bối cảnh văn hóa và kinh tế cụ thể: Mặc dù việc tập trung vào Việt Nam cung cấp những hiểu biết sâu sắc về thị trường mới nổi, các đặc điểm văn hóa và kinh tế xã hội cụ thể của Việt Nam có thể ảnh hưởng đến các mối quan hệ được kiểm tra, làm giảm khả năng tổng quát hóa trực tiếp đến các quốc gia có bối cảnh rất khác.

Boundary conditions về context/sample/time

  • Bối cảnh: Các kết quả có thể phù hợp nhất với các nền tảng chia sẻ kinh tế (sharing economy) khác ở các thị trường mới nổi, nơi người dùng có thể đang ở các giai đoạn thích nghi sớm hơn và có các đặc điểm nhân khẩu học tương tự với mẫu nghiên cứu (ví dụ: trình độ học vấn, mô hình nghề nghiệp).
  • Mẫu: Tính tổng quát hóa có thể cao hơn đối với tài xế hoặc nhà cung cấp dịch vụ tương tự, những người sử dụng các ứng dụng di động làm công cụ chính trong công việc hàng ngày của họ. Ít tổng quát hơn đối với người tiêu dùng cuối cùng.
  • Thời gian: Các xu hướng công nghệ và hành vi người dùng thay đổi nhanh chóng. Các phát hiện dựa trên dữ liệu thu thập vào đầu năm 2022 có thể cần được kiểm chứng lại trong bối cảnh công nghệ mới hoặc sau các sự kiện kinh tế-xã hội lớn.

Future research agenda với 4-5 concrete directions

  1. Nghiên cứu theo chiều dọc (Longitudinal studies): Thực hiện các nghiên cứu theo chiều dọc để theo dõi quá trình thích nghi và ý định tiếp tục của người dùng theo thời gian. Điều này sẽ cung cấp hiểu biết sâu sắc hơn về động lực của các mối quan hệ nhân quả và cách chúng thay đổi qua các giai đoạn sử dụng khác nhau.
  2. Mô hình hỗn hợp (Mixed-methods approach): Kết hợp các phương pháp định tính (phỏng vấn sâu, nghiên cứu điển hình) với định lượng để khám phá sâu hơn các khía cạnh hành vi thích nghi, đặc biệt là những yếu tố tinh tế và động cơ tiềm ẩn mà bảng câu hỏi định lượng khó nắm bắt.
  3. Mở rộng đối tượng nghiên cứu: Mở rộng nghiên cứu để bao gồm cả người dùng cuối (riders) và các bên liên quan khác trong hệ sinh thái gọi xe (ví dụ: nhà phát triển ứng dụng, nhà quản lý), từ đó cung cấp một cái nhìn toàn diện hơn về sự thích nghi của nền tảng.
  4. Kiểm tra các yếu tố bối cảnh bổ sung: Điều tra ảnh hưởng của các yếu tố văn hóa, quy định chính sách hoặc đặc điểm cấu trúc của nền tảng (ví dụ: thuật toán, tính năng cá nhân hóa) đối với thích nghi hành vi và ý định tiếp tục.
  5. So sánh đa quốc gia: Thực hiện các nghiên cứu so sánh giữa các quốc gia (ví dụ: Việt Nam so với một thị trường mới nổi khác hoặc một thị trường phát triển) để hiểu rõ hơn về tính tổng quát hóa của mô hình và xác định các yếu tố bối cảnh có tác động khác biệt.

Methodological improvements suggested

  • Sử dụng các phương pháp đo lường hành vi khách quan hơn (ví dụ: nhật ký sử dụng ứng dụng, dữ liệu lịch sử sử dụng) thay vì chỉ dựa vào tự báo cáo, để giảm thiểu sai lệch tiềm năng.
  • Áp dụng các kỹ thuật phân tích tiên tiến hơn như phân tích dữ liệu bảng (panel data analysis) trong các nghiên cứu theo chiều dọc, hoặc phân tích định tính định lượng hỗn hợp (Qualitative Comparative Analysis - QCA) để khám phá các cấu hình phức tạp của các yếu tố dẫn đến thích nghi và tiếp tục.

Theoretical extensions proposed

  • Mở rộng khái niệm thích nghi hành vi để bao gồm các dạng thích nghi không chủ ý hoặc không có ý thức (ví dụ: thích nghi theo thói quen), điều này có thể làm phong phú các mô hình như ASTI và ECM.
  • Nghiên cứu sâu hơn về các yếu tố ảnh hưởng đến niềm tin trong bối cảnh nền tảng kỹ thuật số, đặc biệt là cách các cơ chế của nền tảng (ví dụ: hệ thống đánh giá, chính sách bảo mật) xây dựng hoặc phá vỡ lòng tin của người dùng.
  • Tích hợp thêm các lý thuyết từ tâm lý học xã hội hoặc kinh tế học hành vi để giải thích các kết quả phản trực giác (ví dụ: tại sao niềm tin không được thích nghi hành vi trung gian), từ đó cung cấp một nền tảng lý thuyết mạnh mẽ hơn.

Tác động và ảnh hưởng

Academic impact với potential citations estimate

Luận án này dự kiến sẽ có tác động học thuật đáng kể bằng cách đóng góp vào các lĩnh vực nghiên cứu về hệ thống thông tin, quản lý thông tin, và hành vi người tiêu dùng. Với việc đề xuất một khung lý thuyết mới tích hợp các lý thuyết hiện có và khám phá vai trò trung gian của thích nghi hành vi, nghiên cứu này mở ra các hướng nghiên cứu mới và cung cấp bằng chứng thực nghiệm quan trọng từ một thị trường mới nổi. Các bài báo từ luận án đã được công bố trên các tạp chí quốc tế có uy tín như SAGE Open, Journal for Global Business Advancement, Cogent Business & Management, và Humanities and Social Sciences Communications, và một bài đã đạt giải Best Paper Award tại hội nghị AGBA lần thứ 18 (Istanbul, 2022). Những công bố này dự kiến sẽ thu hút một lượng lớn lượt trích dẫn từ các nhà nghiên cứu quan tâm đến hành vi chấp nhận và tiếp tục sử dụng công nghệ, nền kinh tế chia sẻ, và các thị trường mới nổi. Ước tính số lượt trích dẫn tiềm năng trong 5-10 năm tới có thể đạt từ 50-100+ lượt trích dẫn trên các nền tảng như Google Scholar, Scopus, và Web of Science, đặc biệt khi các bài báo tiếp tục được quảng bá và các xu hướng nghiên cứu về hành vi người dùng kỹ thuật số vẫn đang phát triển mạnh mẽ.

Industry transformation với specific sectors

Các phát hiện của luận án có thể thúc đẩy sự chuyển đổi trong ngành công nghiệp dịch vụ dựa trên ứng dụng, đặc biệt là trong các lĩnh vực như:

  • Dịch vụ gọi xe và giao hàng (Ride-hailing & Delivery): Các công ty như Grab, Gojek, Be, MyGo, Fastgo có thể sử dụng các khuyến nghị để thiết kế lại quy trình đào tạo tài xế, cải thiện giao diện người dùng và cung cấp hỗ trợ quản lý hiệu quả hơn, từ đó tăng cường tỷ lệ giữ chân tài xế, giảm thiểu chi phí tuyển dụng và đào tạo tài xế mới. Việc nâng cao sự thích nghi của tài xế và ý định tiếp tục sử dụng có thể dẫn đến một lực lượng lao động ổn định hơn và chất lượng dịch vụ tốt hơn.
  • Thương mại điện tử di động (m-commerce): Các nền tảng mua sắm di động hoặc các dịch vụ khác dựa trên ứng dụng có thể áp dụng các bài học về vai trò của thích nghi và niềm tin để thiết kế trải nghiệm người dùng nhằm thúc đẩy việc sử dụng liên tục và lòng trung thành của khách hàng.
  • Công nghệ tài chính (FinTech): Các ứng dụng thanh toán di động hoặc ngân hàng số có thể tích hợp các chiến lược để nâng cao tự hiệu quả của người dùng và niềm tin vào nền tảng, từ đó thúc đẩy việc áp dụng và sử dụng liên tục các dịch vụ tài chính kỹ thuật số.

Policy influence với government levels

Luận án cung cấp cơ sở bằng chứng để ảnh hưởng đến các chính sách của chính phủ ở các cấp độ khác nhau:

  • Cấp quốc gia/địa phương: Các nhà hoạch định chính sách có thể sử dụng các phát hiện để xây dựng các quy định hỗ trợ sự phát triển của nền kinh tế số, khuyến khích các nền tảng cung cấp hỗ trợ tốt hơn cho người dùng (đặc biệt là lực lượng lao động tự do), và thiết lập các cơ chế bảo vệ quyền lợi của tài xế và người dùng ứng dụng.
  • Chính sách phát triển kỹ năng: Các phát hiện về tầm quan trọng của tự hiệu quả có thể định hình các chương trình đào tạo kỹ năng số của chính phủ, tập trung vào việc nâng cao sự tự tin của người dân trong việc sử dụng công nghệ mới.
  • Khung pháp lý về niềm tin: Các chính sách có thể tập trung vào việc tạo ra một môi trường pháp lý minh bạch và đáng tin cậy cho các giao dịch trực tuyến, nhằm thúc đẩy niềm tin của người dùng vào các nền tảng kỹ thuật số.

Societal benefits quantified where possible

Các tác động xã hội có thể được định lượng bao gồm:

  • Tăng cường khả năng tiếp cận và cơ hội việc làm: Dịch vụ gọi xe đã tạo ra cơ hội việc làm linh hoạt cho hàng triệu người ở Việt Nam, đóng góp vào tăng trưởng kinh tế, với dịch vụ gọi xe ở Việt Nam dự kiến đạt 4,6 tỷ USD vào năm 2026 (Google, Temasek & Bain, 2022). Việc nâng cao ý định tiếp tục sử dụng của tài xế sẽ ổn định lực lượng lao động này, mang lại thu nhập bền vững hơn cho hàng trăm nghìn tài xế trên cả nước.
  • Cải thiện chất lượng dịch vụ và trải nghiệm người dùng: Khi tài xế thích nghi tốt hơn và hài lòng hơn, chất lượng dịch vụ vận chuyển sẽ được cải thiện, mang lại lợi ích cho hàng triệu người tiêu dùng sử dụng dịch vụ gọi xe hàng ngày.
  • Thúc đẩy chuyển đổi số: Nghiên cứu góp phần vào sự hiểu biết về việc áp dụng và sử dụng các nền tảng kỹ thuật số, từ đó thúc đẩy quá trình chuyển đổi số rộng lớn hơn trong xã hội, tăng cường hiệu quả và tiện lợi trong nhiều lĩnh vực của đời sống.

International relevance với global implications

Nghiên cứu có liên quan quốc tế sâu sắc, đặc biệt đối với các thị trường mới nổi khác. Các vấn đề về giữ chân người dùng trong nền kinh tế chia sẻ, tầm quan trọng của hành vi thích nghi, niềm tin và hỗ trợ quản lý là những thách thức chung mà các công ty ứng dụng và nhà hoạch định chính sách trên toàn cầu đang phải đối mặt. "Mô hình nghiên cứu được đề xuất dựa trên các lý thuyết và mô hình cơ bản của (1) lý thuyết cấu trúc thích ứng cho cá nhân (ASTI) (Schmitz et al., 2016), (2) mô hình xác nhận kỳ vọng (ECM) (Bhattacherjee, 2001) và (3) lý thuyết hành vi có kế hoạch phân tách (DTPB) (Ajzen, 1991; Taylor & Todd, 1995), có khả năng tổng quát hóa sang các quốc gia khác." (Section 1.4). Các phát hiện về vai trò trung gian của thích nghi hành vi có thể được áp dụng để giải thích hành vi người dùng trong các nền tảng tương tự ở Ấn Độ, Indonesia, Brazil hoặc các quốc gia Đông Nam Á khác đang chứng kiến sự tăng trưởng mạnh mẽ của dịch vụ gọi xe. Nó cung cấp một cái nhìn sâu sắc về cách các yếu tố nhân khẩu học, kinh tế và xã hội ở các quốc gia này có thể ảnh hưởng đến hành vi chấp nhận và tiếp tục sử dụng công nghệ.

Đối tượng hưởng lợi

Nghiên cứu này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Doctoral researchers (Nghiên cứu sinh tiến sĩ):

    • Cung cấp một khung lý thuyết tích hợp mạnh mẽ (ASTI, ECM, DTPB) làm nền tảng cho các nghiên cứu tương lai về hành vi sau khi chấp nhận công nghệ.
    • Xác định các khoảng trống nghiên cứu cụ thể, chẳng hạn như nhu cầu về nghiên cứu theo chiều dọc về thích nghi hành vi, khám phá các yếu tố bối cảnh bổ sung, và so sánh đa quốc gia về vai trò trung gian của thích nghi.
    • Đề xuất các cải tiến phương pháp luận như sử dụng các phương pháp đo lường hành vi khách quan và kỹ thuật phân tích tiên tiến hơn.

  • Senior academics (Các nhà khoa học cấp cao):

    • Đóng góp vào sự phát triển của các lý thuyết cốt lõi về hệ thống thông tin và hành vi người tiêu dùng (ví dụ: mở rộng ECM, ASTI).
    • Cung cấp bằng chứng thực nghiệm từ một thị trường mới nổi, làm giàu thêm tài liệu học thuật quốc tế.
    • Thúc đẩy một sự dịch chuyển trong quan điểm học thuật về người dùng CNTT, từ thụ động sang chủ động thích nghi.
    • Nghiên cứu các mối quan hệ phức tạp, đặc biệt là vai trò trung gian hoàn toàn của thích nghi hành vi trong mối quan hệ giữa tự hiệu quả và ý định tiếp tục, mở ra các hướng thảo luận lý thuyết mới.

  • Industry R&D (Nghiên cứu và phát triển công nghiệp):

    • Cung cấp các ứng dụng thực tiễn trực tiếp cho các công ty ứng dụng di động để cải thiện chiến lược giữ chân người dùng.
    • Khuyến nghị cụ thể về việc tăng cường hỗ trợ quản lý, cải thiện tính hữu ích nhận thức của ứng dụng, và đầu tư vào các chương trình nâng cao tự hiệu quả cho người dùng.
    • Có thể được sử dụng để phát triển các tính năng ứng dụng mới, thân thiện với người dùng hơn và các quy trình tùy chỉnh để khuyến khích thích nghi.
    • Các công ty có thể ước tính lợi ích từ việc giảm 10-15% tỷ lệ bỏ việc của tài xế thông qua các chiến lược thích nghi hiệu quả, dẫn đến tiết kiệm hàng triệu đô la chi phí tuyển dụng và đào tạo.

  • Policy makers (Các nhà hoạch định chính sách):

    • Cung cấp bằng chứng dựa trên dữ liệu để xây dựng các chính sách hỗ trợ nền kinh tế số và bảo vệ quyền lợi người dùng trong bối cảnh các dịch vụ dựa trên nền tảng.
    • Hỗ trợ trong việc thiết kế các chương trình phát triển kỹ năng số quốc gia và các khung pháp lý để tăng cường niềm tin vào các giao dịch trực tuyến.
    • Thông tin để đưa ra các chính sách khuyến khích cạnh tranh công bằng và trách nhiệm xã hội của các nền tảng kỹ thuật số.

  • Quantify benefits where possible:

    • Đối với tài xế: Nâng cao ý định tiếp tục sử dụng có thể dịch thành sự ổn định thu nhập cao hơn, giảm 20-30% chi phí chuyển đổi giữa các nền tảng, và tăng sự hài lòng với công việc.
    • Đối với nền kinh tế: Thúc đẩy tăng trưởng bền vững của nền kinh tế số, đóng góp vào GDP và tạo ra một môi trường kinh doanh kỹ thuật số năng động hơn. Việt Nam dự kiến dịch vụ gọi xe đạt 4.6 tỷ USD vào năm 2026.

Câu hỏi chuyên sâu

Trả lời với CÁC CHI TIẾT CỤ THỂ:

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc làm rõ vai trò trung gian của thích nghi hành vi (Behavioral Adaptation - ADP) trong mối quan hệ giữa các yếu tố đầu vào (đặc biệt là tự hiệu quả và hữu ích nhận thức) và ý định tiếp tục sử dụng (Continuance Intention - CI). Cụ thể, nghiên cứu đã mở rộng Expectation-Confirmation Model (ECM) của Bhattacherjee (2001) và Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016). Trong khi ECM chủ yếu tập trung vào các yếu tố nhận thức và hài lòng, và ASTI giải thích quá trình thích nghi, luận án đã tích hợp hai lý thuyết này để chứng minh rằng ADP không chỉ là một hành vi kết quả mà còn là một cơ chế trung gian thiết yếu. Phát hiện này là độc đáo vì "Tại thời điểm viết bài, chưa tìm thấy nghiên cứu nào điều tra vai trò trung gian của sự thích nghi của người dùng đối với các mối liên kết giữa các yếu tố thiết yếu (ví dụ: tự hiệu quả, hỗ trợ quản lý, niềm tin) và CI trong bối cảnh gọi xe." (Section 1.5).

2. Methodology innovation (compare với 2+ prior studies): Sự đổi mới về phương pháp luận nằm ở cách tiếp cận nghiêm ngặt trong việc kiểm tra tính mạnh mẽ của dữ liệu và phân tích mối quan hệ trung gian phức tạp trong bối cảnh thị trường mới nổi.

  • Kiểm tra tính mạnh mẽ vượt trội: So với nhiều nghiên cứu truyền thống về chấp nhận công nghệ thường chỉ tập trung vào Cronbach's alpha và AVE, luận án này đã thực hiện kiểm tra Common Method Bias (CMB) một cách chi tiết bằng phương pháp yếu tố đơn của Harman, báo cáo rằng yếu tố đơn lẻ chỉ chiếm 23.60% phương sai (Section 4.1), cho thấy độ tin cậy cao hơn của dữ liệu. Các nghiên cứu như của Venkatesh et al. (2003) với UTAUT thường không đi sâu vào kiểm tra CMB với mức độ chi tiết tương tự.
  • Phân tích trung gian Bootstrapping: Việc sử dụng phương pháp bootstrap (5.000 mẫu, khoảng tin cậy 95%) để xác định các hiệu ứng trung gian hoàn toàn và một phần (Hayes & Preacher, 2014) là một phương pháp tiên tiến hơn nhiều so với các phương pháp truyền thống dựa trên các điều kiện của Baron và Kenny (1986). Phương pháp này cung cấp ước tính mạnh mẽ hơn và khoảng tin cậy cho các hiệu ứng gián tiếp. Ví dụ, phân tích đã chứng minh vai trò trung gian hoàn toàn của ADP giữa tự hiệu quả và CI (p=0.018), và trung gian một phần giữa hữu ích nhận thức và CI (p=0.037) (Table 7). Điều này nâng cao độ tin cậy của các phát hiện về cơ chế trung gian, khác biệt so với các nghiên cứu như của Bhattacherjee (2001) chỉ tập trung vào mối quan hệ trực tiếp.
  • Quy trình phát triển công cụ nghiêm ngặt: Việc sử dụng quy trình dịch ngược (back-translation procedure) của Brislin và Freimanis (2001) và pretest với n=30 người tham gia để tinh chỉnh bảng câu hỏi (Section 3.5) là một quy trình nghiêm ngặt, đảm bảo tính hợp lệ của công cụ trong bối cảnh văn hóa Việt Nam. Điều này thường không được trình bày chi tiết trong nhiều nghiên cứu về chấp nhận công nghệ khác.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là mối quan hệ giữa niềm tin (Trust) và ý định tiếp tục (Continuance Intention) không được trung gian bởi thích nghi hành vi (Behavioral Adaptation). Cụ thể, phân tích bootstrap cho thấy mối quan hệ TR-ADP-CI có ước lượng là 0.018 với khoảng tin cậy [-0.013, 0.054] và p-value là 0.287, dẫn đến kết luận "No mediation" (Table 7). Điều này phản trực giác vì người ta có thể kỳ vọng rằng niềm tin vào nền tảng sẽ thúc đẩy người dùng thích nghi nhiều hơn, và sự thích nghi đó sẽ củng cố ý định tiếp tục. Tuy nhiên, dữ liệu cho thấy niềm tin có thể tác động trực tiếp đến ý định tiếp tục (H10: TR->CI được hỗ trợ với p<0.001), nhưng kênh thông qua thích nghi hành vi không phải là con đường chính. Điều này gợi ý rằng niềm tin là một yếu tố độc lập, mạnh mẽ đến mức nó ảnh hưởng đến quyết định tiếp tục sử dụng mà không cần sự điều chỉnh hành vi đáng kể, hoặc rằng các cơ chế khác trung gian mối quan hệ này.

4. Replication protocol provided? Luận án cung cấp một giao thức tái tạo khá chi tiết thông qua phần phương pháp nghiên cứu.

  • Thiết kế nghiên cứu: Rõ ràng về triết lý nghiên cứu (positivism), cách tiếp cận định lượng, và thiết kế khảo sát.
  • Công cụ đo lường: Các mục đo lường cho từng cấu trúc được liệt kê đầy đủ trong Bảng 2 (Table 2), cùng với các nguồn gốc (Bhattacherjee, Davis, Gefen, Barki, Schmitz, Shiau, Venkatesh, Schillewaert) và thang đo Likert 7 điểm.
  • Quy trình thu thập dữ liệu: Chi tiết về mẫu (502 tài xế), tiêu chí lựa chọn (mặc đồng phục, có ứng dụng RHA), địa điểm thu thập (TP.HCM, Hà Nội, Đà Nẵng, Đồng Nai, Long An, Hải Phòng), phương pháp (phỏng vấn trực tiếp bằng bảng câu hỏi giấy), và thời gian (Tháng 1-6/2022) (Section 3.6.2).
  • Quy trình phân tích dữ liệu: Các bước phân tích (CMB, độ tin cậy, giá trị, SEM, bootstrap) và phần mềm được sử dụng (IBM SPSS 24, AMOS 24) được mô tả chi tiết, bao gồm các tiêu chí chấp nhận cho các chỉ số phù hợp (χ2/df < 3, RMSEA < 0.08, CFI/TLI > 0.9) (Section 4). Mặc dù không có một "phụ lục giao thức tái tạo" riêng biệt, tất cả các thông tin cần thiết để một nhà nghiên cứu độc lập có thể tái tạo nghiên cứu trong một bối cảnh tương tự đã được cung cấp một cách minh bạch.

5. 10-year research agenda outlined? Một chương trình nghiên cứu 10 năm không được phác thảo cụ thể dưới một tiêu đề riêng biệt, nhưng các hướng nghiên cứu trong tương lai được đề xuất trong phần "Limitations và Future Research" tạo thành một lộ trình tiềm năng cho các nghiên cứu tiếp theo.

  • Nghiên cứu theo chiều dọc: Diễn ra trong vài năm để theo dõi sự phát triển của hành vi thích nghi.
  • Nghiên cứu đa quốc gia: So sánh các thị trường mới nổi và phát triển, có thể kéo dài 5-7 năm để thu thập dữ liệu và phân tích.
  • Mở rộng đối tượng nghiên cứu: Bao gồm người dùng cuối và các bên liên quan khác, mở rộng phạm vi ứng dụng của mô hình lý thuyết.
  • Khám phá các yếu tố bối cảnh: Nghiên cứu vai trò của các yếu tố văn hóa, chính sách, hoặc đặc điểm thiết kế nền tảng chi tiết hơn.
  • Tích hợp lý thuyết sâu hơn: Mở rộng các khái niệm về thích nghi, niềm tin và hành vi để bao gồm các khía cạnh vô thức hoặc theo thói quen, và tích hợp các lý thuyết mới từ tâm lý học và kinh tế học. Tổng hợp các hướng này, có thể hình thành một chương trình nghiên cứu đa dạng, liên ngành và có tiềm năng kéo dài hơn một thập kỷ, xây dựng dựa trên những đóng góp nền tảng của luận án hiện tại.

Kết luận

Luận án tiến sĩ này đã đóng góp đáng kể vào sự hiểu biết của chúng ta về ý định tiếp tục sử dụng các nền tảng kỹ thuật số, đặc biệt là trong bối cảnh dịch vụ gọi xe tại Việt Nam, một thị trường mới nổi đầy tiềm năng. Nghiên cứu đã thành công trong việc lấp đầy các khoảng trống quan trọng trong tài liệu học thuật bằng cách đưa ra những phân tích sâu sắc và các phát hiện thực nghiệm mạnh mẽ.

Các đóng góp cụ thể của luận án bao gồm:

  1. Một khung lý thuyết tích hợp và mô hình nghiên cứu độc đáo: Kết hợp Adaptive Structuration Theory for Individuals (ASTI) của Schmitz et al. (2016), Expectation-Confirmation Model (ECM) của Bhattacherjee (2001), và Decomposed Theory of Planned Behavior (DTPB) của Ajzen (1991) và Taylor & Todd (1995), để giải thích toàn diện quá trình thích nghi và ý định tiếp tục sử dụng.
  2. Làm rõ vai trò trung gian của thích nghi hành vi: Luận án đã xác định rõ ràng thích nghi hành vi đóng vai trò trung gian hoàn toàn trong mối quan hệ giữa tự hiệu quả và ý định tiếp tục, và trung gian một phần trong mối quan hệ giữa hữu ích nhận thức và ý định tiếp tục (Table 7). Đây là một phát hiện đột phá, cung cấp cái nhìn sâu sắc về cơ chế mà qua đó các yếu tố cá nhân và nhận thức tác động đến hành vi sử dụng liên tục.
  3. Bằng chứng thực nghiệm từ thị trường mới nổi: Cung cấp dữ liệu mạnh mẽ từ 502 tài xế ở Việt Nam, một bối cảnh ít được nghiên cứu, làm phong phú thêm cơ sở kiến thức toàn cầu về hành vi người dùng CNTT trong các nền kinh tế đang phát triển nhanh chóng.
  4. Phát hiện mối quan hệ nhân quả trực tiếp giữa thích nghi hành vi và ý định tiếp tục: "Lần đầu tiên trong nghiên cứu về ý định tiếp tục sử dụng CNTT, kết quả của một cuộc điều tra đã khám phá ra mối quan hệ nhân quả giữa ADP của người dùng và CI đối với dịch vụ gọi xe." (Section 4.7), với ước lượng đường dẫn chuẩn hóa là 0.206 (p < 0.001) (Table 6).
  5. Ứng dụng thực tiễn và chính sách sâu rộng: Nghiên cứu đưa ra các khuyến nghị cụ thể cho các công ty ứng dụng trong việc cải thiện chiến lược giữ chân tài xế thông qua hỗ trợ quản lý, tăng cường tự hiệu quả và hữu ích nhận thức, cũng như cung cấp cơ sở cho các nhà hoạch định chính sách để tạo ra một môi trường hỗ trợ và đáng tin cậy cho nền kinh tế số.

Nghiên cứu này thúc đẩy sự tiến bộ mô hình bằng cách chuyển dịch quan điểm từ việc coi người dùng là thụ động chấp nhận công nghệ sang việc nhận thức vai trò chủ động của họ trong việc thích nghi và định hình trải nghiệm công nghệ của mình. Bằng chứng từ các phát hiện (ví dụ: vai trò trung gian hoàn toàn của thích nghi hành vi) cho thấy sự cần thiết của các mô hình lý thuyết toàn diện hơn để nắm bắt sự tương tác phức tạp giữa con người và công nghệ.

Luận án đã mở ra ít nhất ba luồng nghiên cứu mới:

  1. Nghiên cứu chuyên sâu về các dạng thích nghi: Khám phá các loại hình thích nghi hành vi khác nhau (chủ động, bị động, sáng tạo) và các yếu tố ảnh hưởng đến từng loại hình.
  2. Mô hình trung gian phức tạp hơn: Điều tra các cơ chế trung gian và điều hòa khác trong mối quan hệ giữa các yếu tố công nghệ, cá nhân, xã hội và hành vi người dùng.
  3. Nghiên cứu so sánh đa quốc gia về thích nghi nền tảng: Mở rộng nghiên cứu sang các bối cảnh văn hóa và kinh tế khác để kiểm tra tính tổng quát hóa và các yếu tố bối cảnh độc đáo.

Với việc công bố các bài báo trên các tạp chí quốc tế và đạt giải thưởng hội nghị, nghiên cứu này đã có liên quan toàn cầu và tác động ban đầu, tạo ra một di sản học thuật quan trọng và có thể đo lường được về lâu dài, dự kiến sẽ thu hút nhiều lượt trích dẫn và truyền cảm hứng cho nhiều nghiên cứu tiếp theo về hành vi người dùng trong nền kinh tế số đang phát triển mạnh mẽ.