Mối quan hệ giữa năng lực số và khả năng có việc làm: Nghiên cứu giữa các đối tượng sinh viên Trường Đại học Ngoại thương
Nghiên cứu đánh giá mối quan hệ giữa năng lực số và khả năng có việc làm đối với đối tượng là sinh viên đang theo học và sinh viên đã tốt nghiệp. Thông qua khảo sát 291 sinh viên chưa tốt nghiệp và cựu sinh viên của Trường Đại học Ngoại thương, kết quả cho thấy, những người trẻ tuổi có trình độ phát triển kỹ năng kỹ thuật số cao sẽ có khả năng cao để đạt được vị trí như mong muốn trên thị trường lao động. Từ đó, nghiên cứu đề xuất một số giải pháp rèn luyện và cải thiện kỹ năng và tăng thêm sự tự tin trong khả năng có việc làm cho sinh viên.
Cơ sở lý thuyết
Năng lực kỹ thuật số
Thuật ngữ năng lực kỹ thuật số được Gilster (1997) đưa ra lần đầu tiên vào năm 1997 bằng việc liên quan đến thuật ngữ tiếng Anh là "literacy" (hiểu biết). Nhiều khung năng lực kỹ thuật số đã được tạo ra dựa trên các định nghĩa khác nhau và dựa trên các phương pháp khác nhau từ nhiều học giả. Carretero, S. (2017) đưa ra khung năng lực kỹ thuật số cho công dân (DigComp 2.1), đây là khung năng lực mới nhất và được sử dụng cho người dân tại châu Âu, tác giả đề xuất sử dụng khung năng lực DigComp2.1 trong nghiên cứu này như sau: Đọc hiểu thông tin và dữ liệu kỹ thuật số; Giao tiếp và hợp tác; Sáng tạo nội dung số; An toàn trên không gian mạng; Kỹ năng giải quyết vấn đề.
Khả năng có việc làm
Theo nghiên cứu của Forrier, A. & Sels, L., (2003), khả năng có việc làm được định nghĩa một cách ngắn gọn là cơ hội của một cá nhân có được việc làm trên thị trường lao động nội bộ và/hoặc bên ngoài.
Nghiên cứu của Van der Heijde và Cộng sự (2005) đã phát triển cải thiện mô hình 5 khía cạnh để phân tích và củng cố giả thuyết về khả năng có việc làm, đó là: Kỹ năng chuyên môn nghề nghiệp; Kỹ năng dự báo và tối ưu hóa; Tính linh hoạt cá nhân; Khả năng tư duy đoàn thể; Khả năng cân bằng.
Mối quan hệ giữa kỹ năng số và khả năng có việc làm
McQuaid & Lindsay (2005) đã xác định các yếu tố chính để hỗ trợ cho việc phù hợp nhu cầu và cung cầu lao động, chẳng hạn như: tính khả dụng của các dịch vụ công cộng và công nghệ phù hợp với công việc. Nhu cầu đào tạo kỹ năng kỹ thuật số liên tục để thu hẹp khoảng cách kỹ năng giữa người đã làm việc và người tìm kiếm việc là điều quan trọng (Bejaković, P. & Mrnjavac, 2020).
Nhiều nghiên cứu đã chỉ ra rằng, các kỹ năng kỹ thuật số rất quan trọng trong việc nâng cao triển vọng việc làm và hiệu suất công việc trong các ngành khác nhau. Tuy nhiên, khoảng cách kỹ năng giữa người lao động và người chưa vào thị trường lao động là rất lớn, đặc biệt với nhiều cá nhân thiếu năng lực kỹ thuật số cần thiết.
Xây dựng giả thuyết và mô hình nghiên cứu
Trên cơ sở các nghiên cứu trên và lược khảo các nghiên cứu trong và ngoài nước, nhóm tác giả đề xuất 5 giả thuyết tương ứng như sau:
H1: Đọc hiểu thông tin và dữ liệu kỹ thuật số ảnh hưởng tích cực tới khả năng có việc làm của sinh viên chưa và đã tốt nghiệp của Trường Đại học Ngoại thương.
H2: Giao tiếp và phối hợp ảnh hưởng tích cực tới khả năng có việc làm của sinh viên chưa và đã tốt nghiệp của Trường Đại học Ngoại thương.
H3: Sáng tạo nội dung số ảnh hưởng tích cực tới khả năng có việc làm của sinh viên chưa và đã tốt nghiệp của Trường Đại học Ngoại thương.
H4: An toàn trên không gian mạng ảnh hưởng tích cực tới khả năng có việc làm của sinh viên chưa và đã tốt nghiệp của Trường Đại học Ngoại thương.
H5: Khả năng giải quyết vấn đề ảnh hưởng tích cực tới khả năng có việc làm của sinh viên chưa và đã tốt nghiệp của Trường Đại học Ngoại thương.
Với 5 giả thuyết đề xuất như trên, mô hình nghiên cứu được đề xuất như Hình 1.
Nguồn: Đề xuất của nhóm tác giả
Phương pháp nghiên cứu
Để thực hiện nghiên cứu, nhóm tác giả thu thập dữ liệu từ 2 nhóm tham gia là sinh viên chưa tốt nghiệp và cựu sinh viên của Trường Đại học Ngoại thương đang tham gia vào thị trường lao động. Nghiên cứu được tiến hành trong khoảng thời gian từ 15/12/2022 đến 15/3/2023. Kích thước của mẫu nghiên cứu được xác định là 291, bao gồm 191 sinh viên đại học và 100 cựu sinh viên làm các công việc liên quan đến kinh doanh, kinh tế. Khảo sát thu được 291 kết quả hợp lệ với các mẫu đa dạng về giới tính, thời gian tự học trên nền tảng số và số khóa học trực tuyến đã tham gia.
Kết quả nghiên cứu
Kiểm định sự khác biệt trung bình
Kết quả nghiên cứu cho thấy, tất cả các Sig. của các biến đều nhỏ hơn 0,05; ngoại trừ nhóm kỹ năng giải quyết vấn đề (PS) (Sig. = 0,286 > 0,05). Do đó, có sự khác biệt đáng kể ở tất cả các kỹ năng số và khả năng có việc làm ở 2 nhóm đối tượng, ngoại trừ biến PS. Dựa vào Mean Difference, có thể nhận thấy, nhóm chưa tốt nghiệp có ưu điểm ở các nhóm kỹ năng DL (0,30418) và PS (0,55449). Ngược lại, nhóm đã tốt nghiệp và đi làm có lợi thế hơn ở khả năng CC (-0,41596) và DCC (-0,29858), và ED (-0,36450).
Kiểm định độ tin cậy và mức nghĩa nghĩa của mô hình
Kết quả phân tích nhân tố khám phá (EFA), không có biến bị loại bỏ vì hệ số tải nhân tố của các biến trong mô hình đều lớn hơn 0,5. Vì vậy, kết quả cho thấy, nghiên cứu có giá trị hội tụ mạnh mẽ của các hạng mục đo lường. Sau khi thực hiện EFA, tất cả các biến được giữ lại và kiểm tra mô hình bằng CFA. Nhóm nghiên cứu sử dụng cách thức phân tích Model Fit của Hu & Bentler (1999), thực hiện phân tích nhân tố khẳng định CFA bao gồm bộ chỉ số lần lượt như sau: CMIN/df = 2,000; CFI = 0,957; GFI = 0,903; TLI = 0,947; RMSEA = 0,059; PCLOSE = 0,066. Kết quả cho thấy, các chỉ số đều đạt yêu cầu. Do đó, mô hình phù hợp với dữ liệu nghiên cứu (Bảng 1).
|
Bảng 1: Kết quả kiểm định tính hội tụ và tính phân biệt của mô hình |
|||
|
Độ tin cậy tổng hợp (CR) |
Phương sai trích (AVE) |
Phương sai chia sẻ lớn nhất (MSV) |
|
|
DL |
0,899 |
0,749 |
0,288 |
|
CC |
0,911 |
0,775 |
0,354 |
|
DCC |
0,898 |
0,746 |
0,366 |
|
S |
0,861 |
0,674 |
0,276 |
|
PS |
0,845 |
0,645 |
0,282 |
|
ED |
0836 |
0,508 |
0,366 |
Nguồn: Kết quả phân tích của nhóm nghiên cứu bằng phần mềm AMOS 20
Chỉ số độ tin cậy tổng hợp (CR) của các biến đều lớn hơn 0,7 và chỉ số phương sai trích (AVE) của các biến đều lớn hơn 0,5. Vì vậy, tính hội tụ được đảm bảo. Chỉ số phương sai chia sẻ lớn nhất (MSV) của các biến đều nhỏ hơn chỉ số phương sai trích (AVE). Do đó, tính phân biệt trong mô hình có sự ổn định (Hair, 2009).
Kết quả ước lượng mô hình SEM
Nghiên cứu tiến hành sử dụng mô hình SEM để phân tích và đã có kết quả như sau: GFI = 0.903; CFI = 0.957; TLI = 0.947; RMSEA = 0.059; Pclose = 0.066 đều nằm trong ngưỡng chấp nhận thể hiện sự phù hợp của mô hình và dữ liệu được cung cấp.
Kết quả ước lượng mô hình ở Bảng 2 cho thấy, tất cả các biến đều có ý nghĩa và có tác động tích cực tới khả năng có việc làm.
|
Bảng 2: Các trọng số hồi quy chuẩn hóa của giả thuyết phân tích |
||||
|
Giả thuyết |
Biến độc lập |
Hệ số chuẩn hóa |
p-value |
Kết quả |
|
H1 |
DL |
0,191 |
0,001 |
Phù hợp |
|
H2 |
CC |
0,253 |
0,000 |
Phù hợp |
|
H3 |
DCC |
0,27 |
0,000 |
Phù hợp |
|
H4 |
S |
0,22 |
0,000 |
Phù hợp |
|
H5 |
PS |
0,226 |
0,000 |
Phù hợp |
Nguồn: Kết quả phân tích của nhóm nghiên cứu bằng phần mềm AMOS 20
Kết luận và hàm ý quản trị
Như vậy, kết quả nghiên cứu cho thấy, đối với sinh viên đại học, năng lực kỹ thuật số liên quan đến sáng tạo nội dung số và giao tiếp và hợp tác là các yếu tố chính, phân bố và có tác động lớn nhất đến khả năng có việc làm. Đối với sinh viên đã tốt nghiệp và đi làm, năng lực kỹ thuật số học liên quan đến an toàn trên không gian mạng và kỹ năng giải quyết vấn đề đóng vai trò quan trọng nhất trong khả năng có việc làm. Đối với sinh viên chuyên ngành kế toán kiểm toán thì việc sáng tạo nội dung số và giao tiếp, hợp tác cũng đóng vai trò quan trọng trong việc hình thành khung năng lực số, vì vậy, sinh viên cũng cần phải có lộ trình và mức độ quan tâm hợp lý để rèn luyện kỹ năng này.
Tuy nhiên, nghiên cứu cho thấy, có sự khác biệt về các yếu tố đóng vai trò chủ đạo trong khả năng có việc làm của sinh viên đại học và đã tốt nghiệp. Điều này có thể là do sinh viên và người đã đi làm có quan điểm, mục tiêu và vai trò hoạt động khác nhau.
Để giúp sinh viên đại học và sau đại học rèn luyện và cải thiện kỹ năng và tăng thêm sự tự tin trong khả năng có việc làm, nhóm tác giả đề xuất, cần có các khóa học chất lượng cho sinh viên. Các khóa học là cơ sở để sinh viên tự học và phát triển bản thân, nâng cao kỹ năng kỹ thuật số và kỹ năng mềm để cạnh tranh hơn trên thị trường lao động. Các khóa học chất lượng cao được chia thành 2 hướng đó là: các khóa học kỹ năng kỹ thuật để nâng cao kỹ năng chuyên môn và các khóa học kỹ năng mềm để linh hoạt và áp dụng trong môi trường làm việc kỹ thuật số.
Tài liệu tham khảo:
1. Bejaković, P. and Mrnjavac, Ž., (2020), The importance of digital literacy on the labour market, Employee Relations: The International Journal, 42(4), 921-93;
2. Carretero, S., Vuorikari, R. and Punie, Y., (2017), DigComp 2.1: The digital competence framework for citizens;
3. Forrier, A. and Sels, L., (2003), The concept employability: A complex mosaic. International journal of human resources development and management, 3(2), 102-124;
4. Gilster, P. and Glister, P., (1997). Digital literacy (p. 1). New York: Wiley Computer Pub;
5. McQuaid, R.W. and Lindsay, C., (2005) The concept of employability, Urban Studies, 42(2), 197-219;
6. Van der Heijde, C. M. and Van der Heijden, B. I., (2005). The development and psychometric evaluation of a multi-dimensional measurement instrument of employability—and the impact of aging. In International congress series, 1280, 142-147.
Bài đăng trên Tạp chí Tài chính kỳ 1 tháng 6/2023
