NCM KM1K47 Final N11VIE

ĐẠI HỌC UEH
TRƯỜNG KINH DOANH
KHOA KINH DOANH QUỐC TẾ - MARKETING
BÀI BÁO CÁO TỔNG HỢP
HỌC PHẦN NGHIÊN CỨU MARKETING
ĐỀ TÀI
CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH VÀ QUYẾT ĐỊNH

CỦA NGƯỜI DÂN THÀNH PHỐ HỒ CHÍ MINH VỀ VIỆC SỬ
DỤNG CÁC PHƯƠNG ÁN CHẨN ĐOÁN/ĐIỀU TRỊ THÔNG QUA
ÁP DỤNG AI TRONG LĨNH VỰC Y HỌC.
GIẢNG VIÊN HƯỚNG DẪN: TS. ĐINH TIÊN MINH
TP. Hồ Chí Minh, ngày 17 tháng 05 năm 2023

ĐẠI HỌC UEH
TRƯỜNG KINH DOANH
KHOA KINH DOANH QUỐC TẾ - MARKETING
HỌC PHẦN NGHIÊN CỨU MARKETING
Mã lớp học phần: 23D1MAR50301703
Giảng viên hướng dẫn: TS. Đinh Tiên Minh
Nhóm sinh viên thực hiện: Nhóm 11
Tên thành viên MSSV Email

Trưởng nhóm: Nguyễn Thị Thúy Vy 31211023752 vynguyen.31211023752@st.ueh.edu.vn
Thành viên: Vũ Huệ Anh 31211025229 anhvu.31211025229@st.ueh.edu.vn
Dương Thị Thúy Hồng 31211021065 hongduong.31211021065@st.eh.edu.vn
Trương Thị Su Hy 31211023489 hytruong.31211023489@st.ueh.edu.vn
Trần Quốc Truyền 31191024167 truyentran.31191024167@st.ueh.edu.vn
TP. Hồ Chí Minh, ngày 17 tháng 05 năm 2023
LỜI CẢM ƠN
Bài nghiên cứu “Các nhân tố ảnh hưởng đến ý định và quyết định của người
dân TP.HCM về việc sử dụng các phương án chẩn đoán/điều trị thông qua áp dụng
AI trong lĩnh vực y học.” là sự tâm huyết và rất nhiều cố gắng, nỗ lực thực hiện của
từng thành viên nhóm chúng em cùng với sự giúp đỡ của các thầy cô, anh chị, bạn bè
và mọi người xung để nhóm hoàn thành một cách tốt nhất.
Lời cảm ơn trân trọng nhất nhóm xin giành đến thầy Đinh Tiên Minh vừa là
giáo viên bộ môn Nghiên cứu Marketing vừa là người hướng dẫn trực tiếp cho nhóm
em. Bên cạnh những nỗ lực, độc lập, tự nghiên cứu của nhóm thì sự định hướng,
hướng dẫn đúng đắn, khoa học, sự nhận xét chi tiết, công tâm, và đầy bổ ích của thầy
đã hỗ trợ nhóm rất nhiều trong quá trình thực hiện nghiên cứu.
Ngoài ra, nhóm cũng xin dành sự cảm ơn chân thành nhất đến những thầy cô
khác đã hỗ trợ nhóm, hướng dẫn nhóm đi theo con đường nghiên cứu đúng đắn. Cảm
ơn cô Lê Vũ Lan Oanh, thầy Hồ Xuân Hướng đã mặc dù thầy cô không phải là người
trực tiếp hướng dẫn nghiên cứu nhưng thầy cô luôn sẵn sàng chia sẻ, góp ý cho nhóm
về đề tài, về những khía cạnh của bài cần làm khi nhóm mới bắt đầu thực hiện nghiên
cứu, gợi ý định hướng phát triển của đề tài cho nghiên cứu này. Tiếp theo, nhóm đặc
biệt xin được gửi lời cám ơn sâu sắc nhất đến hai chuyên gia là anh Phạm Xuân Thế
và thầy Nguyễn Thế Hùng đã luôn hỗ trợ nhóm trong thời gian thực hiện nghiên cứu
định tính, rất nhiệt tình khi dành cho nhóm một khoảng thời gian quý báu của mình để
nhóm tiến hành phỏng vấn và trong quá trình phỏng vấn này thì hai thầy luôn sẵn sàng
đưa ra những nhận xét, góp ý, chia sẻ, đề xuất và bổ sung, điều đó là một sự hỗ trợ cực
kỳ to lớn và quan trọng để nhóm chúng em hoàn chỉnh mô hình và thang đo nghiên
cứu, có thể thực hiện được các bước sau như nghiên cứu định lượng; nhóm cũng xin
cảm ơn cho năm đối tượng là cô Đào Thị Diệu, chị Đào Thị Thanh Ngân, chị Tăng
Thị Hà Châu, anh Nguyễn Ngọc Duy, bạn Đoàn Trần Kim Ngọc dù mọi người bận
rộn công việc của mình nhưng vẫn vui lòng phỏng vấn, đưa ra những ý kiến, nhận xét
quý giá giúp nhóm. Tiếp theo, nhóm xin cảm ơn rất nhiều đến bạn bè trong lớp học
phần Nghiên cứu Marketing, bạn bè xung quanh, các anh chị, cô chú bác, ông bà trong
quá trình thu thập biểu mẫu khảo sát online lẫn offline đã vui vẻ, nhiệt tình trong việc
giúp nhóm điền điền bảng câu hỏi khảo sát để thu thập dữ liệu tiến hành nghiên cứu
định lượng, đây là một sự hỗ trợ rất to lớn để nhóm hoàn thành bài nghiên cứu của
mình.
Cuối cùng là lời tri ân đặc biệt chân thành đến với gia đình, người thân của
từng thành viên trong nhóm vì đã buôn bên cạnh, ủng hộ, động viên giúp đỡ, âm thầm
hỗ trợ, tạo điều kiện tốt nhất cho các thành viên nhóm trong quá trình thực hiện bài
nghiên cứu và kể cả sau này. Đây sẽ là chỗ dựa tinh thần vững chắc cho các thành
viên trên con đường hiện tại và tương lai.
Xin chân thành cảm ơn tất cả!
Thành phố Hồ Chí Minh, ngày 17 tháng 05 năm 2023

TÓM TẮT DỰ ÁN
Bài nghiên cứu “Các nhân tố ảnh hưởng đến ý định và quyết định của người
dân Thành phố Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/điều trị
thông qua áp dụng AI trong lĩnh vực y học.” với mục đích là để xác định, kiểm
nghiệm những nhân tố nào sẽ ảnh hưởng đến việc ra quyết định của người dân tại
Thành phố Hồ Chí Minh. Dựa trên mô hình, thang đo mà nhóm đã xây dựng, thông
qua nhận xét, góp ý chỉnh sửa từ hai chuyên gia và nhóm phỏng vấn trong phần
nghiên cứu định tính mà nhóm đã hoàn thiện được mô hình cũng như thang đo để
chuẩn bị cho bước nghiên cứu định lượng. Ở bước này, từ kết quả tính toán cỡ mâu tối
thiểu, lựa chọn phương pháp và phương thức thu thập dữ liệu và phân tích chúng bằng
phần mềm SPSS nằm kiểm định từng yếu tố sẽ tác động đến ý định/ quyết định của
người dân như thế nào. Từ những kết quả thu được, nhóm sẽ đề xuất phương pháp và
hàm ý quản trị nhằm góp phần giúp các chuyên gia, nhà quản lý cững như các nhà
cung cấp dịch vụ y tế sẽ có phương hướng quản lý, phát triển và nâng cao tác động
tích cực đến nhận thức của người dân về việc áp dụng các phương pháp chẩn
đoán/điều trị thông qua áp dụng AI.
5
DANH MỤC TỪ VIẾT TẮT, THUẬT NGỮ
Bảng danh mục từ viết tắt
STT Ký hiệu Nguyên nghĩa
1 AI Trí tuệ nhân tạo
2 AI4VN Ngày hội Trí tuệ nhân tạo Việt Nam
3 TAM Lý thuyết mô hình chấp nhận công
nghệ
4 UTAUT Lý thuyết thống nhất về chấp nhận và
sử dụng công nghệ
5 Lý thuyết về hành động hợp lý TRA
6 Lý thuyết về Hành vi có kế hoạch TPB
7 Mô hình sử dụng PC MPCU
8 Mô hình Động lực MM
9 Lý thuyết Nhận thức Xã hội SCT
10 Lý thuyết Khuếch tán Đổi mới IDT
11 Lý thuyết hành vi dự định TPB
12 Lý thuyết hành động hợp lý TRA
13 Hỗ trợ ra quyết định lầm sàng CDS
14 Phân tích phương sai ANOVA
15 Phân tích nhân tố khám phá EFA
Thuật ngữ
STT Tên Định nghĩa

Sự đánh giá tổng quan hoặc đánh giá của cá nhân về
1 Thái độ (Attitude) hành vi cụ thể. Nó phản ánh niềm tin và cảm xúc cá
nhân về hành vi, xem nó có lợi hay không
Nhận thức hữu ích Niềm tin rằng việc sử dụng ứng dụng sẽ tăng hiệu suất
2
(PU) công việc của một người
3 Chuẩn mực chủ Nhận thức về việc liệu những người khác có nghĩ rằng
quan (Subjective một người nên tham gia vào một hành vi hay không
6
norms)
Nhận thức về sự
Mức độ kiểm soát của mọi người đối với việc tham gia
4 kiểm soát - PBC
vào hành vi
Sự kết hợp của sự không chắc chắn và mức độ nghiêm

Nhận thức rủi ro
5 trọng của một kết quả liên quan đến hiệu suất, sự an
(PR)
toàn, tâm lý hoặc xã hội không chắc chắn
Xu hướng kháng cự
Chống lại một công nghệ mới do những thành kiến
6 (RB)
như tránh hối tiếc, quán tính và chống lại sự thay đổi
Nhận thức dễ sử
Mức độ mà một người tin rằng sử dụng một hệ thống
7 dụng (PEOU)
cụ thể sẽ không cần nỗ lực
Mức độ mà một cá nhân tin rằng việc áp dụng AI trong

8 Niềm tin (TR) y học là an toàn, đáng tin cậy, hiệu quả và không gây
ra mối đe dọa nào về quyền riêng tư
Độ tin cậy của các cá nhân/tổ chức thực hiện chẩn
đoán/điều trị bằng phương pháp AI có ảnh hưởng tích
9 Độ tin cậy (RE)
cực đến ý định sử dụng các thiết bị AI trong khám
chữa bệnh của công chúng.
Nhận thức và chăm sóc các tình trạng sức khỏe và mức
Ý thức về sức khỏe
10 độ tích hợp các mối quan tâm về sức khỏe vào các
(HC)
hoạt động hàng ngày của một người
Là phương pháp chon mẫu mà quần thể nghiên cứu
được chia thành các nhóm riêng rẽ được gọi là tầng,
Lấy mẫu ngẫu mẫu nghiên cứu là các cá thể được lựa chọn một cách
11
nhiên phân tầng ngẫu nhiên trong các tầng. Tổng số cá thể được chọn
nghiên cứu trong mỗi tầng phải tương ứng với tỷ lệ
quần thể có trong các tầng
12 Kiểm định độ tin Là phép kiểm định phản ánh mức độ tương quan chặt
cậy thang đo chẽ giữa các biến quan sát trong cùng một nhân tố. Nó
7
Cho biết trong các biến quan sát của một nhân tố, biến
Cronbach’s Alpha nào đã đóng góp vào việc đo lường khái niệm nhân tố.
(Hà, 2020)
Hệ số tương quan Là chỉ số của từng biến quan sát chứ không phải là chỉ
biến tổng số của cả 1 thang đo, thể hiện mối quan hệ giữa biến
13
(Corrected Item- quan sát đó với tất cả các biến quan sát còn lại trong
Total Correlation) cùng 1 thang đo (cùng 1 nhóm). (Lộc, 2022)
Phân tích nhân tố Dùng để rút gọn một tập hợp k biến quan sát thành
14
khám phá EFA một tập F (với F < k) các nhân tố có ý nghĩa hơn
Là một chỉ số dùng để xem xét sự thích hợp của phân
tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở
15 Kiểm định KMO
lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân
tố là phù hợp. (Lộc, 2022)
Ma trận hợp phần Tình trạng số nhân tố được trích từ EFA ít hơn hoặc
16
xoay nhiều hơn so với lý thuyết ban đầu
Dùng để phân tích mối quan hệ giữa nhiều biến số độc
Hồi quy bội lập (tức là biến giải thích hay biến nguyên nhân) ảnh
17
hưởng đến một biến phụ thuộc (tức là biến phân tích
hay biến kết quả)
8
MỤC LỤC
LỜI CẢM ƠN.......................................................................................................1
TÓM TẮT DỰ ÁN...............................................................................................3
DANH MỤC TỪ VIẾT TẮT, THUẬT NGỮ....................................................4
DANH MỤC BẢNG.............................................................................................8
DANH MỤC BIỂU ĐỒ.....................................................................................10
DANH MỤC HÌNH............................................................................................11
CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN.....................................................12
1.1. Lý do chọn đề tài.....................................................................................12
1.2. Mục tiêu nghiên cứu...............................................................................13
1.3. Đối tượng và phạm vi nghiên cứu.........................................................14
1.3.1. Đối tượng nghiên cứu......................................................................14
1.3.2. Phạm vi nghiên cứu.........................................................................14
1.4. Phương pháp nghiên cứu.......................................................................15
1.4.1. Nghiên cứu định tính.......................................................................15
1.4.2. Nghiên cứu định lượng....................................................................15
1.4.3. Công cụ nghiên cứu.........................................................................16
1.5. Giới hạn của đề tài..................................................................................16
1.6. Tóm tắt chương.......................................................................................16
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT.................................................................18
2.1. Tên đề tài ban đầu:.................................................................................18
2.2. Khái niệm ý định hành vi và chấp nhận sử dụng công nghệ thông tin
..................................................................................................................................18
2.2.1. Khái niệm về Ý định hành vi..........................................................18
2.2.2. Khái niệm Chấp nhận sử dụng công nghệ thông tin....................19
2.3. Các lý thuyết liên quan...........................................................................20

9
2.3.1. Mô hình chấp nhận công nghệ (Technology Acceptance Model –
TAM)....................................................................................................................20
2.3.2. Thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT)
..............................................................................................................................21
2.4. Các bài nghiên cứu trước đây................................................................22
2.4.1. Nghiên cứu của (Esmaeilzadeh P. , 2020)......................................22
2.4.2. Nghiên cứu của (Myllyoja, Holly-Laura et al)..............................23
2.4.3. Nghiên cứu của (Yiwei Zhu & Shiwei Sun, 2021).........................25
2.4.4. Nghiên cứu của (Ye T, Xue J, He M, Gu J, Lin H, Xu B, Cheng

Y, 2019)................................................................................................................27
2.4.5. Nghiên cứu của M. Sridhar và Ajay Mehta (2018)[2,3,5]............28
2.5. Mô hình thang đo nghiên cứu:...............................................................30
2.5.1. Mô hình nghiên cứu đề xuất...........................................................30
2.5.2. Thang đo cho mô hình nghiên cứu đề xuất:..................................32
2.6. Tóm tắt chương.......................................................................................35
CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU.......................................................36
3.1. Tổng quan về quy trình nghiên cứu......................................................36
3.1.1. Các giai đoạn nghiên cứu................................................................36
3.1.2. Quy trình nghiên cứu gồm có 8 bước:...........................................37
3.1.3. Sơ đồ mô hình quy trình nghiên cứu .............................................39
3.2. Nghiên cứu định tính..............................................................................40
3.2.1. Lý do thực hiện nghiên cứu định tính............................................40
3.2.2. Thiết kế nghiên cứu định tính.........................................................40
3.2.3. Kết quả nghiên cứu định tính.........................................................41
3.2.3.1. Thảo luận nhóm........................................................................41
3.2.3.2. Phỏng vấn sâu...........................................................................44
10
3.2.4. Sự hiệu chỉnh và hoàn thiện sau phỏng vấn..................................47
3.2.4.1. Về phạm vi đề tài nghiên cứu..................................................47
3.2.4.2. Về tên đề tài...............................................................................47
3.2.4.3. Về mục tiêu nghiên cứu............................................................47
3.2.4.4. Về mô hình nghiên cứu và thang đo.......................................48
3.3. Nghiên cứu định lượng.......................................................................56
3.3.1. Thiết kế nghiên cứu định lượng......................................................56
3.3.2. Tính toán số mẫu..............................................................................57
3.3.3. Kế hoạch lấy mẫu.............................................................................59
3.3.3.1. Xác định đối tượng khảo sát.....................................................59
3.3.3.2. Phương pháp chọn mẫu............................................................59
3.3.3.3. Phương pháp tiếp cận mẫu.......................................................60
3.3.3.4. Thiết kế bảng câu hỏi khảo sát.................................................61
3.3.3.5. Bảng câu hỏi khảo sát chính thức............................................62
3.4. Tóm tắt chương.......................................................................................70
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU ĐỊNH LƯỢNG.............................71
4.1. Kết quả nghiên cứu.................................................................................71
4.1.1. Thống kê mô tả.................................................................................72
4.1.1.1. Giới tính.....................................................................................72
4.1.1.2. Độ tuổi........................................................................................73
4.1.1.3. Trình độ học vấn.......................................................................74
4.1.1.4.Tình trạng hôn nhân.................................................................75
4.1.1.5. Thu nhập...................................................................................76
4.1.2. Kiểm định độ tin cậy và phù hợp các thang đo.............................76
4.1.2.1. Thang đo Nhận thức hữu ích (HI)..........................................76
11
4.1.2.2. Thang đo Chuẩn chủ quan (CQ).............................................77
4.1.2.3. Thang đo Độ tin cậy (TC)........................................................78
4.1.2.4. Thang đó Kiến thức nhận thức (KN)......................................78
4.1.2.5. Thang đo Nhận thức rủi ro (RR)............................................79
4.1.2.6. Thang đo Xu hướng phản kháng (PK)...................................80
4.1.2.7. Thang đo Ý định sử dụng (YD)...............................................81
4.1.3. Phân tích nhân tố khám phá EFA các biến độc lập......................81
4.1.3.1. Kết quả kiểm định KMO............................................................81
4.1.3.2. Ma trận hợp phần xoay.............................................................82
4.1.4. Phân tích nhân tố khám phá EFA các biến phụ thuộc.................85
4.1.4.1. Kết quả kiểm định KMO............................................................85
4.1.4.2. Ma trận hợp phần xoay.............................................................85
4.1.5. Phân tích tương quan......................................................................86
4.1.5.1. Tính xác đáng của mô hình......................................................86
4.1.5.2. Sự phù hợp của lý thuyết trong việc phân tích hồi quy...........87
4.1.5.3. Hồi quy bội.................................................................................87
4.1.6. Thống kê mô tả các thang đo..........................................................89
4.1.6.1. Nhận thức hữu ích (HI)............................................................90
4.1.6.2. Chuẩn chủ quan (CQ)...............................................................90
4.1.6.3. Độ tin cậy (TC)..........................................................................90
4.1.6.4. Nhận thức tiêu cực (NE)...........................................................90
4.1.6.5. Ý định sử dụng (YD)..................................................................90
4.2. Kết luận nghiên cứu................................................................................90
4.3. Tóm tắt chương.......................................................................................91
CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT.......................................................92
12
5.1. Nhận xét...................................................................................................92
5.2. Tính ứng dụng của đề tài nghiên cứu....................................................92
5.3. Hàm ý quản trị........................................................................................93
5.3.1. Nhận thức tiêu cực (NE)..................................................................93
5.3.2. Chuẩn chủ quan (CQ).....................................................................95
5.3.3. Độ tin cậy (TC).................................................................................96
5.3.4. Nhận thức hữu ích (HI)...................................................................97
5.4. Hạn chế của đề tài và hướng nghiên cứu trong tương lai...................99
5.4.1. Hạn chế của đề tài............................................................................99
5.4.2. Hướng nghiên cứu trong tương lai.................................................99
TÀI LIỆU THAM KHẢO...............................................................................101
PHỤ LỤC..........................................................................................................105
PHỤ LỤC 1: BẢNG CÂU HỎI ĐỊNH TÍNH............................................105
PHỤ LỤC 2: DANH SÁCH ĐÁP VIÊN THAM GIA PHỎNG VẤN
NHÓM...................................................................................................................107
PHỤ LỤC 3: BẢNG CÂU HỎI ĐỊNH LƯỢNG CHÍNH THỨC DÙNG
KHẢO SÁT BẢNG CÂU HỎI............................................................................108
PHỤ LỤC 4A: THỐNG KÊ MÔ TẢ ĐỐI TƯỢNG KHẢO SÁT...........114
PHỤ LỤC 4B: KIỂM ĐỊNH ĐỘ TIN CẬY CRONBACH’S ALPHA. . .117
PHỤ LỤC 4C: KẾT QUẢ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA120
PHỤ LỤC 4D: KẾT QUẢ PHÂN TÍCH HỒI QUY TUYẾN TÍNH BỘI
................................................................................................................................122
PHỤ LỤC 4E: THỐNG KÊ MÔ TẢ THANG ĐO...................................123
13
DANH MỤC BẢNG
Bảng 2. 1: Thang đo mô hình nghiên cứu ban đầu.......................................................32
Bảng 3. 1: Các giai đoạn nghiên cứu............................................................................36
Bảng 3.2: Các đối tượng tham gia phỏng vấn định tính...............................................40
Bảng 3. 3: Nhận xét chung về tổng quan đề tài............................................................44
Bảng 3. 4: Chuyên gia nhận xét về mô hình và thang đo.............................................46
Bảng 3. 5: Thang đo nghiên cứu chính thức sau phỏng vấn định tính.........................50
Bảng 3. 6: Dân số TP. HCM theo từng nhóm tuổi.......................................................57
Bảng 3. 7: Bảng tính cỡ mẫu khảo sát cho từng nhóm tuổi..........................................58
Bảng 3. 8: Bảng tỷ lệ của mỗi phần tử trong mỗi tầng.................................................60
Bảng 3. 9: Bảng câu hỏi khảo sát.................................................................................63
Bảng 4. 1: Thống kê mô tả...........................................................................................71
Bảng 4. 2: Kết quả so sánh giá trị trung bình Kiến thức nhận thức giữa các nhóm
Trình độ học vấn...........................................................................................................75
Bảng 4. 3: Kết quả Cronbach’s Alpha của thang đo Nhận thức hữu ích (HI)..............76
Bảng 4. 4: Kết quả Cronbach’s Alpha của thang đo Chuẩn chủ quan (CQ)................77
Bảng 4. 5: Kết quả Cronbach’s Alpha của thang đo Độ tin cậy (TC)..........................78
Bảng 4. 6: Kết quả Cronbach’s Alpha của thang đo Kiến thức nhận thức (KN).........79
Bảng 4. 7: Kết quả Cronbach’s Alpha của thang đo Nhận thức rủi ro (RR)................79
Bảng 4. 8: Kết quả Cronbach’s Alpha của thang đo Xu hướng phản kháng (PK).......80
Bảng 4. 9: Kết quả Cronbach’s Alpha của thang đo Ý định sử dụng (YD).................81
Bảng 4. 10: Kết quả kiểm định KMO biến độc lập......................................................81
Bảng 4. 11: Ma trận hợp phần xoay biến độc lập.........................................................82
Bảng 4. 12: Hệ thống giả thuyết sau phân tích EFA của bài nghiên cứu.....................83
Bảng 4. 13: Kết quả Cronbach’s Alpha của thang đo nhân tố mới Nhận thức tiêu cực
(NE)..............................................................................................................................84
Bảng 4. 14: Kết quả kiểm định KMO biến phụ thuộc..................................................85
Bảng 4. 15: Ma trận hợp phần xoay biến phụ thuộc.....................................................86
Bảng 4. 16: Cấu trúc nhân tố thu được sau phân tích nhân tố khám phá EFA.............86
Bảng 4. 17: Tính xác đáng của mô hình.......................................................................86
PAGE \* MERGEFORMAT 127

Bảng 4. 18: Anova của mô hình...................................................................................87
Bảng 4. 19: Hệ số tương quan của mô hình..................................................................87
Bảng 4. 20: Kết quả kiểm định các giả thuyết..............................................................88
Bảng 4. 21: Kết quả thống kê mô tả các thang đo........................................................89

DANH MỤC BIỂU ĐỒ
Biểu đồ 4. 1: Thống kê mẫu khảo sát theo giới tính............................................72
Biểu đồ 4. 2: Thống kê mẫu khảo sát theo độ tuổi..............................................73
Biểu đồ 4. 3: Thống kê mẫu khảo sát theo trình độ học vấn................................74
Biểu đồ 4. 4: Thống kê mẫu khảo sát theo tình trạng hôn nhân..........................75
Biểu đồ 4. 5: Thống kê mẫu khảo sát theo thu nhập............................................76

DANH MỤC HÌNH
Hình 2. 1: Mô hình chấp nhận công nghệ TAM..................................................20
Hình 2. 2: Mô hình Chấp nhận và sử dụng công nghệ (UTAUT).......................22
Hình 2. 3: Mô hình nghiên cứu của Pouyan Esmaeilzadeh.................................23
Hình 2. 4: Mô hình nghiên cứu của Holly-Laura và cộng sự..............................24
Hình 2. 5: Mô hình nghiên cứu của Yiwei Zhu và Shiwei Sun...........................26
Hình 2. 6: Mô hình nghiên cứu của Tiantian Ye và cộng sự...............................28
Hình 2. 7: Mô hình của M. Sridhar và Ajay Mehta.............................................29
Hình 2. 8: Mô hình nghiên cứu ban đầu.............................................................30
Hình 3. 1: Sơ đồ mô hình quy trình nghiên cứu..................................................39
Hình 3. 2: Mô hình nghiên cứu sơ bộ..................................................................42
Hình 3. 3: Mô hình mới đề xuất...........................................................................45
Hình 3. 4: Mô hình nghiên cứu chính thức sau phỏng vấn định tính...................49
Hình 4. 1: Kết quả nghiên cứu.............................................................................91

CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN
1.1. Lý do chọn đề tài

Sự bùng nổ của cuộc cách mạng công nghiệp 4.0 trên toàn cầu đã đem lại bước
đột phá lớn trong hầu hết các lĩnh vực. Nó tạo điều kiện thuận lợi cho sự phát triển của
công nghệ trí tuệ nhân tạo (AI) – một phát minh hỗ trợ và thay thế con người trong
hầu hết các lĩnh vực như chăm sóc sức khỏe, kinh doanh, giáo dục, tài chính, sản xuất,
… Thống kê quy mô thị trường trí tuệ nhân tạo trên toàn cầu là 119,78 tỷ USD vào
năm 2022 (Artificial Intelligence (AI) Market, 2023), tăng gấp 5 lần so với năm 2018,
từ đó cho thấy độ hot của ngành công nghiệp trí tuệ nhân tạo cho đến nay vẫn chưa bị
hạ nhiệt mà ngày càng phát triển với quy mô khổng lồ hơn. Với nguồn nhân lực giỏi
và đam mê công nghệ, thị trường Việt Nam hoàn toàn thuận lợi cho sự phát triển của
công nghệ. Việt Nam cũng không ngừng nỗ lực để chứng minh sự năng động, tinh
thần tiếp thu học hỏi cao đối với công nghệ mới, đặc biệt là trí tuệ nhân tạo. Tại ngày
hội Trí tuệ nhân tạo Việt Nam (AI4VN) được tổ chức vào năm 2019, Bộ trưởng Bộ
Kế hoạch và Đầu tư Nguyễn Chí Dũng nhận định AI có khả năng trở thành một trong
những công nghệ đột phá nhất trong 10 năm tới; xác định AI là công nghệ mũi nhọn
trong cuộc cách mạng 4.0 cần được thúc đẩy phát triển (Trung tâm CNTT và Truyền
thông tỉnh Sơn La, 2020)
Như chúng ta đã thấy, AI có sức ảnh hưởng cực kỳ to lớn đến từng lĩnh vực
trong đời sống của con người, trong đó phải kể đến việc áp dụng trí tuệ nhân tạo trong
lĩnh vực y học. Phát biểu tại “Tọa đàm nghiên cứu, phát triển và ứng dụng trí tuệ nhân
tạo trong y tế”, Thứ trưởng Bộ Khoa học và Công nghệ Bùi Thế Duy đánh giá rằng xu
thế phát triển trí tuệ nhân tạo (AI) trên toàn thế giới cùng với sự phát triển mạnh mẽ
của công nghệ số, công nghệ lưu trữ, dữ liệu lớn đã tạo ra nhiều điều "kỳ diệu" ở các
lĩnh vực trong cuộc sống. Với lĩnh vực y tế, khi toàn bộ tri thức của nhân loại, thầy
thuốc và y bác sỹ tích lũy nhiều năm, nay được tổng hợp lại thông qua dữ liệu lớn.
Các dữ liệu này được phân tích dựa trên các thuật toán, công nghệ máy tính, tạo ra
công cụ hỗ trợ các bác sỹ, nhân viên y tế, chăm sóc sức khỏe cho người bệnh tốt hơn.
(Việt Nam có lợi thế ứng dụng AI trong y tế, 2020).

Trí tuệ nhân tạo trong y học chính là việc sử dụng các mô hình học máy để tìm
kiếm dữ liệu y tế và khám phá những hiểu biết sâu sắc nhằm giúp cải thiện sức khỏe
và trải nghiệm của bệnh nhân (IBM). AI trong môi trường y tế hỗ trợ ra các quyết
định lâm sàng, phân tích hình ảnh, chẩn đoán và điều trị bệnh,…giúp các bác sĩ đưa ra
chẩn đoán và phương pháp điều trị nhanh và chính xác hơn. Tuy nhiên AI trong y học
vẫn còn tồn đọng một vài bất lợi như rủi ro về quyền riêng tư, xảy ra sai sót trong
chẩn đoán và điều trị,... Đối với những lợi ích và bất lợi kể trên, người dân sẽ có thái
độ hành vi gì đối với việc áp dụng trí tuệ nhân tạo trong y học? Và những yếu tố tác
động nào sẽ có sự ảnh hưởng lên hành vi của người dân khi họ đi khám chữa bệnh?
Để giải đáp thắc mắc này, nhóm quyết định thực hiện một nghiên cứu về đề tài “Các
nhân tố ảnh hưởng đến ý định và quyết định của người dân Thành phố Hồ Chí
Minh về việc sử dụng các phương án chẩn đoán/điều trị thông qua áp dụng AI
trong lĩnh vực y học”. Song song đó, nhóm cũng hy vọng rằng bài nghiên cứu này sẽ
đóng góp một phần nho nhỏ trong nghiên cứu về thái độ, hành vi, ý định, quyết định
của người dân đối với công nghệ AI trong y học dưới góc độ của người tiêu dùng.
1.2. Mục tiêu nghiên cứu
Mục tiêu tổng quát của bài nghiên cứu này nhằm xác định các nhân tố ảnh
hưởng đến ý định và quyết định của người dân Thành phố Hồ Chí Minh về việc sử
dụng các phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học.
Mục tiêu cụ thể của bài nghiên cứu:
Thứ nhất, tìm hiểu và khám phá thái độ, cách nhìn nhận và hành vi ra quyết định
khám chữa bệnh của người dân tại Thành phố Hồ Chí Minh, khi có sự áp dụng công
nghệ trí tuệ nhân tạo vào trong chẩn đoán và điều trị bệnh. Việc đạt được mục tiêu
nghiên cứu này có thể giúp cho những nhà nghiên cứu, nhà quản trị và bác sĩ nắm bắt
được tâm lý của người dân khi có sự góp mặt của AI vào việc khám chữa bệnh.
Thứ hai, tìm hiểu xem ý định và quyết định của người dân sẽ bị các nhân tố nào
ảnh hưởng đến tại Thành phố Hồ Chí Minh khi xét về vấn đề sử dụng các phương án
chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học, đồng thời đo lường tác
động của các nhân tố đến ý định sử dụng của người dân. Việc khám phá các nhân tố

này để có cái nhìn về tác động của các nhân tố sẽ ảnh hưởng đến ý định sử dụng, hay
nói cách khác là tác động của các nhân tố đến hành vi ra quyết định khám chữa bệnh
của người dân một cách rõ hơn và bao quát, tổng thể hơn.
1.3. Đối tượng và phạm vi nghiên cứu
1.3.1. Đối tượng nghiên cứu

- Quyết định của người dân trong khám chữa bệnh sẽ bị các nhân tố nào ảnh
hưởng đến.
- Thái độ của mọi người về các vấn đề xoay quanh việc ứng dụng AI vào y học
- Quyết định của người dùng về việc mong muốn sử dụng AI trong quản lý, chẩn
đoán y học sau khi cân nhắc về lợi ích và rủi ro.
1.3.2. Phạm vi nghiên cứu

Về đối tượng khảo sát: Nghiên cứu này tập trung vào đối tượng khảo sát là
người dân, loại trừ những người trong ngành y tế. Bởi vì những người làm trong
ngành y tế đã có kiến thức nền về y học, họ sẽ có xu hướng áp dụng những kiến thức
của họ vào trong suy nghĩ, dẫn đến kết quả đưa ra của bài nghiên cứu sẽ không mang
tính khách quan và có ý nghĩa.
Về phạm vi nội dung:
- Tài liệu lý thuyết dựa trên các bài nghiên cứu khoa học về lý thuyết mô hình
chấp nhận công nghệ (TAM), lý thuyết thống nhất về chấp nhận và sử dụng công nghệ
(UTAUT).
- Tài liệu tham khảo nghiên cứu được thực hiện cả trong và ngoài nước về công
nghệ trí tuệ nhân tạo trong lĩnh vực y học.
Về phạm vi không gian: Nghiên cứu này chỉ khảo sát những người sống tại
Thành phố Hồ Chí Minh – thành phố đông dân nhất Việt Nam.
Về phạm vi thời gian: Thời gian nghiên cứu từ khi bắt đầu thực hiện đến khi
hoàn chỉnh kéo dài từ 03/2023 đến 05/2023.

1.4. Phương pháp nghiên cứu
Phương pháp nghiên cứu của đề tài được triển khai thông qua hai bước: Nghiên
cứu định tính và nghiên cứu định lượng.
1.4.1. Nghiên cứu định tính

Đối với mục tiêu khám phá các nhân tố ảnh hưởng đến ý định và quyết định của
người dân Thành phố Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/điều trị
thông qua áp dụng AI trong lĩnh vực y học, việc thực hiện nghiên cứu định tính là cần
thiết bởi vì những bài nghiên cứu về thái độ, hành vi của người dân – những người
ngoài ngành y còn khá hạn chế. Thêm vào đó, mặc dù đã có những bài nghiên cứu
trước đó trên nhiều quốc gia nhưng những yếu tố về nhận thức, thái độ, hành vi của
người dân mỗi quốc gia là rất khác nhau. Vì vậy, khi thực hiện đề tài nghiên cứu này,
cần chỉnh sửa và bổ sung sao cho phù hợp với xã hội Việt Nam nói chung và Thành
phố Hồ Chí Minh nói riêng. Nghiên cứu định tính được tiến hành thông qua phỏng
vấn sâu với các chuyên gia và phỏng vấn nhóm đối tượng khảo sát. Thời gian cho mỗi
buổi phỏng vấn giao động từ 30-60 phút (xem phụ lục 1).
Sau khi ghi nhận các nhận xét và góp ý đến từ các chuyên gia và thảo luận với
nhóm khảo sát, nhóm tác giả tiến hành hiệu chỉnh mô hình nghiên cứu, thang đo câu
hỏi và hình thành bảng câu hỏi. Bảng câu hỏi bao gồm các câu hỏi trong thang đo
(nhóm tác giả sử dụng thang đo likert 5 với quy ước từ 1 (Hoàn toàn không đồng ý)
đến 5 (Hoàn toàn đồng ý). Bên cạnh đó, các câu hỏi về đặc điểm nhân khẩu học của
đáp viên cũng được thêm vào. Bảng câu hỏi sau khi được hoàn thành sẽ gửi đến giảng
viên hướng dẫn, một vài đối tượng khảo sát để kiểm tra tính chính xác, tính logic, tính
chuyên nghiệp của nó.
1.4.2. Nghiên cứu định lượng

Nhóm tác giả tiến hành thu thập dữ liệu bằng hình thức phỏng vấn cá nhân bằng
bảng câu hỏi (xem phụ lục 3) với kích thước mẫu tối thiểu là 385 người. Tiếp cận đối
tượng khảo sát thông qua hai cách là khảo sát trực tuyến và khảo sát trực tiếp tại các
địa điểm như bệnh viện, trung tâm thương mại, chợ,… Dữ liệu từ cả hai hình thức
phỏng vấn này đều được thu thập trên nền tảng Google Forms.

Dữ liệu sau khi thu thập sẽ được tiến hành xử lý và mã hóa và làm sạch dữ liệu,
sau đó chạy trên phần mềm spss theo các bước:
- Đầu tiên, tiến hành đánh giá độ tin cậy các thang đo bằng hệ số tin cậy
Cronbach’s Alpha
- Phân tích nhân tố khám phá EFA
- Phân tích hồi quy tuyến tính
1.4.3. Công cụ nghiên cứu

- Bảng câu hỏi khảo sát
- Xử lý dữ liệu sau khảo sát bằng ứng dụng excel và SPSS 25
1.5. Giới hạn của đề tài

Phạm vi nghiên cứu của đề tài chỉ giới hạn ở Thành phố Hồ Chí Minh nên kết
quả bài nghiên cứu sẽ không mang ý nghĩa bao quát được ở những khu vực khác. Ở
mỗi khu vực sẽ có sự khác biệt trong các khái cạnh như mức sống, trình độ học vấn
trung bình, thu nhập, quan điểm. Vậy nên không thể sử dụng kết quả của bài giống
như khuôn mẫu đối với tất cả khu vực.
Với những hạn chế về các mặt như là thời gian và địa điểm, nhóm chưa thể
phỏng vấn trực tiếp các chuyên gia, nhóm đối tượng khảo sát, vậy nên có thể xảy ra
trường hợp nhóm chưa truyền được hết những ý kiến, thắc mắc một cách rõ ràng đến
chuyên gia hay giải đáp cụ thể thắc mắc của các đối tượng khảo sát.
Một hạn chế khác mà bài nghiên cứu này cần khắc phục đó là bài nghiên cứu chỉ
tập trung vào xác định các nhân tố tác động, đánh giá mức độ tác động của các nhân tố
đến ý định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn
đoán /điều trị thông qua áp dụng AI trong lĩnh vực y học. Vẫn còn rất nhiều yếu tố tác
động đến ý định và quyết định của mọi người mà nghiên cứu chưa đề cập đến.
1.6. Tóm tắt chương

Chương 1 đã trình bày lý do chọn đề tài nghiên cứu sau khi mô tả khái quát sự
phát triển của công nghệ AI trên quy mô toàn cầu, giới thiệu những lợi ích và cả

những bất lợi mà AI mang lại trong y học. Bên cạnh đó, chương một cũng giới thiệu
về mục tiêu nghiên cứu của đề tài, đối tượng nghiên cứu hướng đến, phạm vi của đề
tài, mô tả sơ bộ về phương pháp nghiên cứu của đề tài và cuối cùng là chỉ ra những
khía cạnh còn khá hạn chế của bài nghiên cứu. Tiếp theo, với chương 2, các cơ sở lý
thuyết của bài, bao gồm các khái niệm, lý thuyết liên quan, tổng quan các công trình
nghiên cứu trước đó và nhóm đưa ra đề xuất mô hình nghiên cứu sau khi tham khảo
và tìm hiểu lý thuyết liên quan tất cả sẽ được trình bày cụ thể trong chương này.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1. Tên đề tài ban đầu:

Áp dụng AI trong y học ảnh hưởng như thế nào đến quyết định khám chữa bệnh
của người dân tại Thành phố Hồ Chí Minh.
2.2. Khái niệm ý định hành vi và chấp nhận sử dụng công nghệ thông tin
2.2.1. Khái niệm về Ý định hành vi

Ý định hành vi của (Warshaw and Davis, 1985)là một trong những mô hình
nghiên cứu về hành vi tiêu dùng được phát triển sớm nhất và cũng là một trong những
mô hình có ảnh hưởng lớn đến các nghiên cứu hành vi tiêu dùng hiện đại. Nó xác định
rằng Việc dự đoán của một người về một hành vi cụ thể mà họ sẽ thực hiện được định
nghĩa là Ý định hành vi. Ý định hành vi của một người sẽ ảnh hưởng bởi hai yếu tố đó
là thái độ và chuẩn đạo đức. Thái độ nghĩa là đề cập đến cảm nhận của người dùng về
sản phẩm hoặc dịch vụ mà họ đang xem xét, và được hình thành bởi các yếu tố như
trải nghiệm trước đây, quan điểm cá nhân và thông tin từ nguồn khác nhau. Chuẩn đạo
đức đề cập đến những quan điểm của người tiêu dùng về đạo đức và các giá trị cá
nhân liên quan đến hành vi tiêu dùng, như tình trạng môi trường hoặc là trách nhiệm
xã hội. (Warshaw and Davis, 1985) nhận thấy rằng Ý định hành vi sử dụng hệ thống
tương quan một đáng kể với việc sử dụng. Bên cạnh đó, nó còn được xem là một yếu
tố chính tác động quyết định hành vi của một cá nhân, trong đó ý định hành vi là khát
vọng hay quyết tâm thực hiện một hành động cụ thể của cá nhân họ. Với các nhân tố
như độ lực kiểm soát, chuẩn đạo đức, thái độ, nhận thức cá nhân về dịch vụ hoặc sản
phẩm nó sẽ có tác động đến Ý định hành vi và do đó, nó sẽ tác động gián tiếp đến
hành vi của cá nhân. (Hill, T., Smith, N. D., & Mann, M. F, 1987) cũng chỉ ra rằng
thông qua Ý định hành vi nó sẽ có thể dự đoán đáng kể hành động của một cá nhân
như thế nào. Nó bị tác động thông qua nhiều yếu tố, gồm có thái độ, chuẩn mực đạo
đức và độ lực kiểm soát và nó cũng là một dạng dự đoán trước khi hành động xảy ra.
Chúng ảnh hưởng dồng thời một cách trực tiếp đến ý định hành vi của cá nhân và
thông qua đó ảnh hưởng gián tiếp đến hành động của họ. Tóm lại, yếu tố Ý định hành
vi là quan trọng trong việc dự đoán hành vi thực tế. Nói cách khác, nếu như mà một
người có ý định thực hiện hành vi cụ thể, thì có khả năng là họ sẽ thực hiện hành vi đó
cao hơn so với những người không có ý định tương tự.
2.2.2. Khái niệm Chấp nhận sử dụng công nghệ thông tin
Các nghiên cứu của (Kim & Kankanhalli, 2009), (Susan K. Lippert and Miles
Davis, 2006) khi giới thiệu và đưa ra các công nghệ mới đều nhấn mạnh rằng việc
chấp nhận thay đổi cũng như việc sẽ dùng các công nghệ mới phụ thuộc vào sự chấp
nhận của người dùng, việc này bắt đầu từ trong chính mỗi cá nhân. Bài nghiên cứu chỉ
ra những cảm nhận về ứng dụng mới sẽ ảnh hưởng đến quyết định của người dùng
liệu họ có chấp nhận sự thay đổi và tin dùng các công nghệ mới này hay không. Ý
định sử dụng của họ sẽ thay đổi theo chiều hướng tích cực nếu việc sử dụng chúng
mạng lại lợi ích trong việc cải thiện hiệu suất công việc, họ có xu hướng chấp nhận
thay đổi và tin dùng công nghệ hơn. Tuy nhiên, nếu họ tin rằng công nghệ mới sẽ
khiến cho hiệu suất công việc của họ giảm hoặc tạo ra các vấn đề khác, thì đa phần sẽ
dẫn đến xu hướng không chấp nhận sự thay đổi và không sử dụng công nghệ mới.
(Achmad Nizar Hidayanto and Rika Kharlina Ekawati, 2010) đã kết luận rằng để đảm
bảo thành công của việc triển khai công nghệ mới trong tổ chức, cần phải tạo ra sự
chấp nhận và sự ủng hộ từ phía người dùng thông qua việc đưa ra những thông tin hữu
ích và đào tạo về công nghệ mới, giúp họ hiểu được giá trị cũng như biết đượccông
nghệ mới sẽ mang lại ích gì cho công việc của họ. Yếu tố quan trọng - Mức độ chấp
nhận sẽ là một yếu tố ảnh hưởng đến việc triển khai và sử dụng công nghệ hiện đại.
Việc triển khai và áp dụng công nghệ đó trong tổ chức có thể gặp nhiều khó khăn à
thất bại nếu người dùng họ không chấp nhận sự áp dụng nàyv. Việc đánh giá và tăng
cường mức độ chấp nhận của người dùng là rất quan trọng để được mức độ hiệu quả
triển khai công nghệ mới như thế nào. (Ritu Agarwal and Elena Karahanna, 2000);
(Susan K. Lippert and Miles Davis, 2006) cho thấy mức độ chấp nhận của người dùng
đóng vai trò cực kỳ quan trọng trong việc xác định sự thành công của dự án triển khai
công nghệ thông tin trong tổ chức

2.3. Các lý thuyết liên quan
2.3.1. Mô hình chấp nhận công nghệ (Technology Acceptance Model –

TAM)
Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM) (Fred
Davis et al, 1987) là một mô hình được Fred Davis phát triển vào năm 1986 và đưa ra
công bố chính thức vào năm 1989 bởi Davis, Bagozzi và Warshaw. Mô hình giải thích
sự chấp nhận và sử dụng công nghệ thông tin bằng cách tập trung vào hai yếu tố chính
là độ dễ sử dụng và độ hữu ích. Độ hữu ích là mức độ công nghệ giúp cải thiện hiệu
quả của người sử dụng về mặt công việc, trong khi đó độ dễ sử dụng là mức độ mà
công nghệ dễ dùng, thân thiện với người sử dụng. Mô hình TAM này đã được sử dụng
rộng rãi trong nhiều nghiên cứu về hành vi sử dụng công nghệ và trở nên nổi trội trong
lĩnh vực nghiên cứu chấp nhận công nghệ. Trong mô hình TAM, yếu tố Nhận thức dễ
sử dụng và Nhận thức sự hữu ích là hai yếu tố quan trọng ảnh hưởng trực tiếp đến Ý
định hành vi. Nhận thức sự hữu ích được định nghĩa là mức độ mà một cá nhân tin
rằng việc sử dụng một hệ thống cụ thể sẽ nâng cao hiệu suất công việc của họ, trong
khi Nhận thức dễ sử dụng được định nghĩa là mức độ mà một cá nhân tin rằng việc sử
dụng một hệ thống cụ thể sẽ không cần nỗ lực về thể chất và tinh thần. Việc tăng
cường Nhận thức dễ sử dụng và Nhận thức sự hữu ích có thể giúp tăng Ý định hành vi
và giảm sự phản đối sử dụng công nghệ.
Hình 2. 1: Mô hình chấp nhận công nghệ TAM

2.3.2. Thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT)
(Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis and Fred D. Davis,
2003) đã phát triển mô hình Chấp nhận và sử dụng công nghệ hợp nhất (UTAUT).

“Được kết hợp bởi tám mô hình chấp nhận công nghệ và được thống nhất bởi
2003) để xây dựng mô hình UTAUT, bao gồm Lý thuyết về hành động hợp lý (TRA)
(Ajzen and Fishbein, 1975), Lý thuyết về Hành vi có kế hoạch (TPB) (Ajzen,
1991) .Mô hình chấp nhận công nghệ (TAM) (Fred Davis et al, 1987), Kết hợp-TAM-
TPB (Taylor and Todd, 1995), Mô hình sử dụng PC (MPCU) (Ronald L. Thompson,
Christopher A. Higgins and Jane M. Howell, 1991), Mô hình Động lực (MM) (Fred
D. Davis, Richard P. Bagozzi, Paul R. Warshaw, 1992) ,Lý thuyết Nhận thức Xã hội
(SCT) (Bandura, 1986) và Lý thuyết Khuếch tán Đổi mới (IDT) (Roger, 1995).
UTAUT là một mô hình hợp nhất được phát triển từ nhiều mô hình nghiên cứu sự
chấp nhận và sử dụng công nghệ trước đó”. Mô hình UTAUT đã đưa ra một cái nhìn
chi tiết về các yếu tố tác động đến ý định và hành vi sử dụng công nghệ, các yếu tố
này bao gồm các yếu tố nội tại của người dùng (như nỗ lực kỳ vọng, hiệu suất mong
đợi) và các yếu tố bên ngoài (như điều kiện thuận lợi và ảnh hưởng xã hội). UTAUT
đã được kiểm chứng và chứng minh là mô hình này mang lại hiệu quả hơn nhiều khi
so sánh với các mô hình cạnh tranh khác về sự chấp nhận và sử dụng công nghệ.
Trong đó, thứ nhất, Nỗ lực kỳ vọng được định nghĩa là mức độ dễ dàng về việc liên
quan đến sử dụng hệ thống; thứ hai, hiệu suất mong đợi được định nghĩa là mức độ
mà người dùng tin rằng việc sử dụng hệ thống sẽ cải thiện hiệu suất, năng suất làm
việc. Nó cũng là một yếu tố có ảnh hưởng quan trọng đến ý định sử dụng và hành vi
sử dụng thực tế của người dùng. Nó thường được xem là một chỉ số cho việc đánh giá
sự thành công của các dự án triển khai hệ thống mới. “Ảnh hưởng xã hội được đề cập
đến như là mức độ một cá nhân nhận thức được tầm quan trọng của việc bị tác động
bởi niềm tin của những người xung quanh rằng cá nhân đó nên sử dụng hệ thống
mới.” “Điều kiện thuận lợi được định nghĩa là mức độ mà một cá nhân có niềm tin
rằng cơ sở hạ tầng kỹ thuật của tổ chức đủ điều kiện để hỗ trợ cho hệ thống”
2003). UTAUT sẽ cho thấy hướng nhìn tổng quát và sâu sắc về cách các yếu tố ảnh
hưởng đến Ý định và Hành vi phát triển theo thời gian. Thông qua việct hử nghiệm,
thực nghiệm nhiều lần, mô hình UTAUT đã được chứng minh tính vượt trội hơn so

với các mô hình cạnh tranh đang thịnh hành khác (Venkatesh và cộng sự, 2003;
(Viswanath Venkatesh &Xiaojun Zhang, 2014).
Hình 2. 2: Mô hình Chấp nhận và sử dụng công nghệ (UTAUT)

2.4. Các bài nghiên cứu trước đây
2.4.1. Nghiên cứu của Esmaeilzadeh P. , 2020

Nghiên cứu này được thực hiện để kiểm tra các lợi ích và rủi ro nhận thức được
của các thiết bị y tế AI với các tính năng hỗ trợ quyết định lâm sàng (CDS) từ quan
điểm của người tiêu dùng.
Mô hình nghiên cứu của Esmaeilzadeh thông qua thực hiện thu thập biểu mẫu
thông qua khảo sát trực tuyến đã thu thập được dữ liệu từ 307 cá nhân ở Hoa Kỳ, xác
định được nguồn động lực và áp lực cho bệnh nhân trong việc phát triển các thiết bị
dựa trên AI. Kết quả cho thấy các mối quan tâm về công nghệ, đạo đức (yếu tố tin
cậy) và quy định góp phần đáng kể vào những rủi ro nhận thấy khi sử dụng các ứng
dụng AI trong chăm sóc sức khỏe. Trong ba loại, mối quan tâm về công nghệ (nghĩa
là hiệu suất và tính năng giao tiếp) được coi là yếu tố dự báo quan trọng nhất về niềm
tin rủi ro.
Mô hình của Esmaeilzadeh gợi ý rằng trong quá trình ra quyết định, các cá nhân
sẽ trải qua giai đoạn đánh giá, bao gồm đánh giá giá trị của CDS dựa trên AI (lợi ích
so với rủi ro). Nếu các mối quan tâm về công nghệ, đạo đức, quy định quảng cáo

không được phân tích, hợp lý hóa và giải quyết phù hợp, thì mọi người không chỉ có
thể sử dụng chúng mà còn coi các thiết bị AI là mối đe dọa đối với việc chăm sóc sức
khỏe của họ. Các nhà phát triển thiết bị AI cần làm nổi bật những lợi ích tiềm năng từ
công nghệ AI và giải quyết các khía cạnh khác nhau của mối quan tâm để biện minh
cho việc mua và sử dụng công cụ AI cho công chúng. Các cơ quan quản lý chăm sóc
sức khỏe cần xác định rõ quyền và trách nhiệm của các chuyên gia chăm sóc sức
khỏe, nhà phát triển, lập trình viên và người dùng cuối để chứng minh các phương
pháp tiếp cận có thể chấp nhận được trong việc sử dụng thiết bị AI.
Hình 2. 3: Mô hình nghiên cứu của Pouyan Esmaeilzadeh

2.4.2. Nghiên cứu của Myllyoja, Holly-Laura et al, 2022
Nngười tiêu dùng sẽ bị ảnh hưởng lớn nhất bởi yếu tố nào xét trường hợp các
dịch vụ chăm sóc sức khỏe AI trong tương lai được áp dụng là mục tiêu mà bài nghiên
cứu này hướng đến.

Mô hình nghiên cứu của Holly-Laura Myllyoja, Felicia Rådberg, Hanna
Ostmann Hanngren kiểm tra các giả thuyết thái độ, niềm tin và sự hữu ích nhận thức.
Các giả thuyết này đã được kiểm nghiệm trực tiếp để xác định ảnh hưởng của chúng
đến ý định của người tiêu dùng, và tác giả đã đưa ra kết quả rằng các giả thuyết này
đều có ý nghĩa và không bị bác bỏ.
Hình 2. 4: Mô hình nghiên cứu của Holly-Laura và cộng sự

Trong đó, tính Hữu ích nhận thức thông qua nghiên cứu đã được chứng minh nó
là yếu tố dự đoán mạnh nhất trong trường hợp này. Bên cạnh đó, cả hai giả thuyết về
tính hữu ích nhận thức và kiến thức nhận thức đều được kiểm nghiệm và cho thấy thái
độ của những người tiêu dùng sẽ bị ảnh hưởng bởi 2 nhân tố này dưới mức độ như thế
nào, mà chúng đều không bị bác bỏ. Hơn nữa, tính hữu ích nhận thức và kiến thức
nhận thức đều được thử nghiệm để ảnh hưởng đến thái độ của người tiêu dùng khi cả
hai giả thuyết đều được chứng minh là có ý nghĩa và không bị bác bỏ. Một lần nữa,
yếu tố tính hữu ích cho thấy nó có ảnh hưởng mạnh nhất. Cuối cùng, kiến thức nhận
thức, thuyết nhân hóa, tính minh bạch của dữ liệu và mối quan tâm về quyền riêng tư
đã được thử nghiệm để ảnh hưởng đến lòng tin. Trong trường hợp này, các giả thuyết
liên quan đến kiến thức nhận thức và thuyết nhân loại tỏ ra có ý nghĩa và không bị bác
bỏ, trong khi các giả thuyết liên quan đến tính minh bạch của dữ liệu và mối quan tâm
về quyền riêng tư tỏ ra không đáng kể và do đó bị bác bỏ. Ở đây, thuyết nhân hóa cho
thấy có ảnh hưởng mạnh nhất đến lòng tin.
Với những phát hiện này, có thể rút ra kết luận rằng ý định mạnh mẽ hơn của
người tiêu dùng đối với các dịch vụ chăm sóc sức khỏe dựa trên Al rất có thể đạt được
bằng cách tập trung vào việc làm cho người tiêu dùng tiềm năng cảm thấy dịch vụ này
hữu ích đối với họ, tập trung vào việc tạo ra thái độ tích cực hơn và khiến họ cảm thấy
thích và khiến họ có thể tin tưởng vào dịch vụ. Tính hữu ích được cảm nhận với sự tập
trung cao nhất thì biến này chính là nhân tố tác động cao nhất đến ý định của người
tiêu dùng. Điều này có thể được thực hiện thêm bằng cách tập trung vào tiếp thị dịch
vụ để giúp người tiêu dùng tiềm năng có thêm kiến thức về Al trong chăm sóc sức
khỏe và làm cho các dịch vụ Al xuất hiện theo cách giống con người hơn. Người ta
cho rằng thái độ đối với Al, niềm tin vào AI và sự nhận thức về tính hữu ích của Al
ảnh hưởng trực tiếp đến ý định của người tiêu dùng đối với AI trong lĩnh vực chăm
sóc sức khỏe. Bên cạnh nhân tố nhận thức về tính hữu ích liên quan đến Al thì ý định
người tiêu dùng đối với Al trong lĩnh vực chăm sóc sức khỏe cũng bị 2 nhân tố kiến
thức nhận thức AI và thuyết nhân loại trong Al ảnh hưởng qua hai biến trung gian:
thái độ và sự tin tưởng vào AI.
Nhóm nhận thấy biến Nhận thức hữu ích (Perceived usefulness - PU), có ảnh
hưởng cao đến việc triển khai chăm sóc sức khỏe AI trong tương lai vậy nên nhóm
quyết định thêm các biến này vào trong mô hình nghiên cứu.
2.4.3. Nghiên cứu của (Yiwei Zhu & Shiwei Sun, 2021)
Bài viết nghiên cứu về việc áp dụng AI trong bối cảnh chăm sóc sức khỏe. Dựa
trên các lý thuyết liên quan đến việc áp dụng công nghệ, nghiên cứu giải thích cách
các yếu tố được đề xuất tác động đến niềm tin của bệnh nhân đối với công nghệ AI và
từ đó thu hút sự chú ý của họ.
Mô hình phương trình cấu trúc được sử dụng trong nghiên cứu của Yiwei Zhu
and Shiwei Sun để khám phá tiền đề về ý định áp dụng AI của bệnh nhân trong bối
cảnh chăm sóc sức khỏe dựa trên TAM, DFT và TPB. Trong bối cảnh chăm sóc sức
khỏe của Y. Zhu và S. Sun, kết quả thực nghiệm cho thấy lợi thế tương đối, rủi ro

nhận thức và niềm tin đối với công nghệ AI đều ảnh hưởng trực tiếp đến ý định áp
dụng AI và Nhận thức dễ sử dụng thông qua niềm tin đối với ý định áp dụng AI và lợi
thế tương đối ảnh hưởng gián tiếp đến việc áp dụng AI chủ đích. Trong số đó, lợi thế
tương đối có tác động trực tiếp lớn nhất đến ý định áp dụng AI.
Hình 2. 5: Mô hình nghiên cứu của Yiwei Zhu và Shiwei Sun

Kết quả nghiên cứu này xác nhận rằng khi bệnh nhân tin tưởng hơn vào công
nghệ AI và khi phương pháp điều trị bằng AI có lợi thế tương đối cao hơn so với
phương pháp điều trị của bác sĩ, thì bệnh nhân có khả năng có ý định áp dụng AI cao
hơn. Đối với cảm nhận về tính dễ sử dụng, nó ảnh hưởng gián tiếp đến ý định áp dụng
AI thông qua lợi thế tương đối và sự tin tưởng đối với công nghệ AI. Bên cạnh đó, rủi
ro được nhận thức của công nghệ AI sẽ làm giảm ý định áp dụng AI của bệnh nhân.
Về ý nghĩa thực tế, kết quả nghiên cứu của này chỉ ra một số thực hành quản lý
bệnh viện bổ sung trong ngành chăm sóc sức khỏe. Ý định áp dụng AI của bệnh nhân
nên được kích hoạt thông qua lợi thế tương đối và sự tin tưởng đối với công nghệ AI.
Để giới thiệu công nghệ AI tốt hơn và nhanh hơn trong ngành chăm sóc sức khỏe,
bệnh viện cần phải xây dựng lòng tin.

2.4.4. Nghiên cứu của (Ye T, Xue J, He M, Gu J, Lin H, Xu B, Cheng Y,
2019)
Để điều tra xem xem sự chấp nhận của công chúng đối với các thiết bị AI nhãn
khoa Nghiên cứu này nhằm mục đích điều tra sự chấp nhận của công chúng đối với
các thiết bị AI nhãn khoa, có liên quan đến những thiết bị đã được sử dụng ở Trung
Quốc sẽ do các yếu tố nào ảnh hưởng với nhau hình thành nên ý định sử dụng các
thiết bị này là điều mà Tiantian Ye và các cộng sự của mình muốn tìm hiểu.
Trong nghiên cứu của Tiantian Ye và cộng sự (2019), để khám phá giữa các yếu
tố có mối quan hệ gì bằng việc sử dụng phương pháp SEM sẽ ảnh hưởng đến sự chấp
nhận của công chúng và ý định sử dụng của các thiết bị AI nhãn khoa, như được áp
dụng cho các tình huống lâm sàng thực tế ở Trung Quốc. Các yếu tố tích cực như
chuẩn chủ quan giữ một vai trò phức tạp và quan trọng hơn dự đoán, bên cạnh Ý thức
về sức khỏe của mắt và PBC của mọi người, trong khi yếu tố ức chế, Xu hướng kháng
cự (RB), có tác động tiêu cực trực tiếp đến việc sử dụng các thiết bị AI. Chất ức chế
tích hợp mới của Xu hướng kháng cự phù hợp với phong cách suy nghĩ và phong tục
ngôn ngữ của người Trung Quốc và cho thấy cả sự hội tụ tốt và giá trị phân biệt. Kết
quả về hận thức rủi ro (PR) là nó không có sự ảnh hưởng quá nhiều đến Ý định sử
dụng của công chúng vì họ không ý thức được việc bảo vệ thông tin cá nhân và sức
khỏe. Hơn nữa, chúng tôi thấy rằng niềm tin có tác dụng điều tiết trên con đường từ
Nhận thức hữu ích (PU) đến Ý định sử dụng. Mô hình tích hợp này, kết hợp với bối
cảnh văn hóa và xã hội của Trung Quốc, đã thể hiện sự phù hợp và có thể được sử
dụng để khám phá các lĩnh vực chăm sóc sức khỏe AI khác như sàng lọc và theo dõi
bệnh mãn tính, đặc biệt là đối với bệnh tiểu đường, tăng huyết áp và quản lý ung thư.

Hình 2. 6: Mô hình nghiên cứu của Tiantian Ye và cộng sự
Đây là bài nghiên cứu mà nhóm thấy khá hợp với đề tài của mình, vì vậy hầu hết
các biến trong bài này đều được áp dụng. Có một biến trong bài nghiên cứu là biến
Nhận thức dễ sử dụng (PEOU), vì theo như bài nghiên cứu của nhóm là đi theo hướng
tổng quan, và đối tượng khảo sát chung là những người biết về AI trong y học chứ
không nhất thiết là bệnh nhân được điều trị, nên việc áp dụng biến này vào trong mô
hình không được hợp lý cho lắm.
2.4.5. Nghiên cứu của (Sridhar, M., Mehta, A, 2018)

Nghiên cứu được tiến hành qua các bước, đầu tiên, ảnh hưởng của đối với ý định
mua chéo của khách hàng trong bối cảnh của công ty dịch vụ viễn thông xem xét mối
quan hệ giữa đổi mới dịch vụ và danh tiếng của công ty được tiến hành để kiểm tra
thực nghiệm. Thứ hai, để xác định mức độ phù hợp của danh tiếng công ty và vai trò
của nó trong việc làm trung gian giữa đổi mới dịch vụ và hành vi mua chéo. Cuối
cùng, để quan sát xem liệu danh tiếng của công ty có làm sâu hơn quan hệ giữa đổi
mới dịch vụ với ý định mua chéo của khách hàng hay không.
Nghiên cứu này chứng minh rằng việc giới thiệu danh tiếng của công ty giữa đổi
mới dịch vụ và ý định mua chéo sẽ nâng cao hiệu quả. Khách hàng có nhiều khả năng
mua chéo các sản phẩm từ một công ty có uy tín, vì họ nhận thấy các sản phẩm từ các
công ty đó đáng tin cậy và có khả năng đáp ứng nhu cầu của họ dựa trên kinh nghiệm
trước đó.
Thẩm quyền của các dịch vụ sáng tạo là rất quan trọng đối với các công ty viễn
thông để được chấp nhận trên thị trường. Bằng cách liên tục cung cấp các dịch vụ
sáng tạo, các công ty viễn thông có thể tạo dựng được danh tiếng tích cực, thu hút
khách hàng và thúc đẩy mua chéo. Danh tiếng của công ty hoạt động như một yếu tố
điều tiết, tăng cường tác động của đổi mới dịch vụ đối với ý định mua chéo. Khách
hàng có xu hướng mua chéo các sản phẩm từ các công ty có uy tín hơn vì họ cho rằng
họ đáng tin cậy và có khả năng đáp ứng nhu cầu của họ. Tóm lại, nghiên cứu này gợi
ý rằng một công ty có uy tín thấy việc bán kèm một sản phẩm mới dễ dàng hơn so với
một công ty kém/không có uy tín.
Hình 2. 7: Mô hình của M. Sridhar và Ajay Mehta

2.5. Mô hình thang đo nghiên cứu:
2.5.1. Mô hình nghiên cứu đề xuất
Hình 2. 8: Mô hình nghiên cứu ban đầu

TAM là mô hình được áp dụng rộng rãi nhất để mô tả khả năng chấp nhận đối
với công nghệ thông tin của người tiêu dùng. Mô hình ban đầu, được phát triển bởi
(Fred Davis et al, 1987)cho thấy PU (Nhận thức hữu ích: nhận thức việc hiệu suất
công việc sẽ được nâng cao qua sử dụng một hệ thống) là yếu tố cơ bản quyết định sự
đồng ý csử dụng công nghệ mới đối với mọi người, hiện thường được đánh giá bằng
IU (Ý định sử dụng: động cơ hoặc sự sẵn sàng của một cá nhân nỗ lực để tiến hành
thực hiện hành vi mục tiêu).
H1:Nhận thức hữu ích tác động tích cực đến Ý định sử dụng thiết bị AI
Lý thuyết về hành vi có kế hoạch (TPB) đưa ra kết luận rằng ý định hành vi của
một cá nhân (tương tự như IU trong TAM) được xác định bởi ba nhân tố, thứ nhất là
thái độ, thứ hai là bởi kiểm soát hành vi được nhận thức (PBC: được định nghĩa là
mức độ kiểm soát của mọi người đối với việc tham gia vào hành vi) và cuối cùng là

chuẩn mực chủ quan (SN: nghĩa là nhận thức về việc liệu những người khác có nghĩ
rằng một người nên tham gia vào một hành vi hay không) (Ajzen, 1991). SN có tác
động trực tiếp đến IU trong các mô hình UTAUT và TPB và tác động gián tiếp đến IU
thông qua PEOU trong nhiều mô hình tích hợp (Richard J. Holden a b, Ben-Tzion
Karsh a, 2010). PBC có tác động tích cực đến IU trong mô hình TPB và UTAUT
(Safa & Von Solms, 2016)
H2: chuẩn chủ quan tác động tích cực đến Ý định sử dụng thiết bị AI
H3: Nhận thức kiểm soát hành vi tác động tích cực đến Ý định sử dụng thiết bị
AI
Ý thức về sức khỏe được định nghĩa là “mức độ mà các mối quan tâm về sức
khỏe được tích hợp vào các hoạt động hàng ngày của một người và những người có ý
thức về sức khỏe nhận thức được và quan tâm đến sức khỏe của họ, dẫn đến động lực
tốt hơn để cải thiện hoặc duy trì sức khỏe của họ” . Niềm tin và Mối quan tâm về sức
khỏe thông qua hiệu ứng hòa giải từ xa của nhận thức về mối đe dọa sức khỏe (PHT)
và (Jeongeun Kim & Hyeoun-Ae Park, 2012) có ảnh hưởng gây gián tiếp đến việc sử
dụng công nghệ thông tin y tế. Một nghiên cứu ở Trung Quốc đã kiểm tra sự chấp
thuận đối với công nghệ chăm sóc sức khỏe trên điện thoại di động để quản lý bệnh
mãn tính và cho thấy PHT có tác động tích cực đáng kể đến PU cùng với tác động tích
cực trực tiếp đến IU (Kaili Dou et al, 2017) của bệnh nhân
H4a:Ý thức về sức khỏe tác động tích cực đến Ý định sử dụng thiết bị AI
H4b:Ý thức về sức khỏe tác động tích cực đến Ý định sử dụng thiết bị AI
Rủi ro nhận thức (PR) đề cập đến sự kết hợp của sự không chắc chắn và mức độ
nghiêm trọng của kết quả liên quan đến hiệu suất, sự an toàn và tâm lý hoặc xã hội
không chắc chắn, có ảnh hưởng tiêu cực đến IU và do đó là rào cản đối với việc áp
dụng (Hsieh, 2015). Chống lại sự thay đổi (RTC) đề cập đến những nỗ lực của mọi
người để duy trì các hành vi hoặc thói quen trước đây có liên quan đến trải nghiệm
trong quá khứ của họ khi đối mặt với sự thay đổi (Anol Bhattacherjee et al, 2017).
RTC đã được xác nhận là một rào cản lớn đối với việc áp dụng sức khỏe điện tử và

sức khỏe di động (Xitong Guo, et al, 2013). Chúng tôi đã tích hợp các yếu tố này vào
1 chất ức chế, xu hướng phản kháng (RB), được định nghĩa là sự phản đối của mọi
người đối với việc sử dụng công nghệ mới.
H5: Nhận thức rủi ro tác động tiêu cực đến Ý định sử dụng thiết bị AI
H6: Xu hướng phản kháng tác động tiêu cực đến Ý định sử dụng thiết bị AI
Niềm tin được định nghĩa là niềm tin rằng ai đó hoặc điều gì đó là trung thực,
đáng tin cậy, tốt và hiệu quả hoặc mong muốn phụ thuộc vào ai đó hoặc điều gì đó để
được an toàn (Safa & Von Solms, 2016). Nhiều nghiên cứu khác nhau đã chỉ ra rằng
yếu tố này sẽ tác động hòa giải một cách trực tiếp hoặc một cách gián tiếp đến ý định
của người dùng hoặc việc chấp nhận công nghệ mới (Lynda Andrews et al, 2014).
Cuadrado đã xác định các tác động điều tiết của niềm tin, cho thấy mức độ tin cậy đã
củng cố tác động tiêu cực của tính xã hội đối với các chiến lược tưới tiêu ích kỷ
(Esther Cuadrado, Carmen Tabernero, Rocío García, Bárbara Luque, Jan Seibert,
2017)
H7: Sự tin tưởng của các bác sĩ kiểm duyệt tác động của tính hữu ích được nhận
thức đối với ý định sử dụng các thiết bị AI
2.5.2. Thang đo cho mô hình nghiên cứu đề xuất:

Bảng 2. 1: Thang đo mô hình nghiên cứu ban đầu
Tên biến Định nghĩa và mục Tác giả
Mức độ mà một cá nhân tin rằng các công cụ dựa
Nhận thức hữu ích
trên AI có thể cải thiện việc chẩn đoán và lập kế
(PU)
hoạch chăm sóc cho bệnh nhân.
Các thiết bị AI sẽ giúp tôi đối phó với các bệnh
PU1 về sức khỏe và có thể phòng ngừa được bệnh ở
(Ye T, Xue J, He
giai đoạn đầu.
M, Gu J, Lin H,
Các thiết bị AI sẽ cung cấp thông tin và hình ảnh Xu B, Cheng Y,
PU2 chi tiết về tình trạng cơ thể của tôi, điều này sẽ 2019)
rất hữu ích cho tôi.
Các thiết bị AI sẽ giúp các tổ chức y tế tăng hiệu
PU3
suất khám chữa bệnh.
PU4 Các thiết bị AI sẽ cải thiện dịch vụ chăm sóc sức

khỏe ban đầu cho các sở y tế và tiết kiệm tiền
Các thiết bị AI sẽ là một bổ sung tốt cho các
PU5 phương pháp chăm sóc sức khỏe truyền thống và
phù hợp với triết lý y tế của tôi
Các thiết bị AI sẽ phù hợp với nhu cầu quản lý
PU6
sức khỏe của tôi
So với phương pháp điều trị truyền thống, sử
dụng AI để điều trị cho bệnh nhân trong chăm
PU7
sóc sức khỏe sẽ làm tăng độ chính xác của chẩn
đoán.
Nhận thức về niềm tin quan trọng (hoặc có liên
Chuẩn mực chủ quan quan) của người khác về việc tôi có nên sử dụng
(SN) các dịch vụ áp dụng AI trong y học để chẩn
đoán, khám, chữa bệnh
Những người quan trọng với tôi (người nhà,
người thân và bạn thân) nghĩ rằng tôi nên sử (Ye T, Xue J, He
SN1
dụng các dịch vụ áp dụng AI trong y học để chẩn M, Gu J, Lin H,
đoán, khám, chữa bệnh Xu B, Cheng Y,
Đồng nghiệp hoặc đồng nghiệp của tôi nghĩ rằng 2019)
SN2 tôi nên sử dụng các dịch vụ áp dụng AI trong y
học để chẩn đoán, khám, chữa bệnh
Lãnh đạo hoặc cấp trên của tôi nghĩ rằng tôi nên
SN3 sử dụng các dịch vụ áp dụng AI trong y học để
chẩn đoán, khám, chữa bệnh
Nhận thức về các hạn chế nguồn lực bên trong và
Nhận thức kiểm soát bên ngoài đối với việc sử dụng các thiết bị AI
hành vi (PBC) hoặc sự sẵn có của các kỹ năng, nguồn lực và cơ
hội cần thiết để sử dụng chúng (Ye T, Xue J, He
Tôi tin rằng mình có đủ kiến thức để nhận biết M, Gu J, Lin H,
PBC1 Xu B, Cheng Y,
kết quả báo cáo có đáng tin cậy hay không 2019)
Tôi tin rằng mình sẽ nhận được hỗ trợ kỹ thuật
PBC2 phù hợp khi gặp bất kỳ khó khăn nào trong việc
sử dụng thiết bị AI hoặc hiểu báo cáo
Nhận thức và chăm sóc các tình trạng sức khỏe
Ý thức về sức khỏe và mức độ tích hợp các mối quan tâm về sức
(Ye T, Xue J, He
(HC) khỏe vào các hoạt động hàng ngày của một M, Gu J, Lin H,
người Xu B, Cheng Y,
2019)
EHC1 Tôi biết và rất quan tâm đến sức khỏe của mình

EHC2 Tôi sẽ nỗ lực để quản lý sức khỏe của mình
Sự kết hợp của sự không chắc chắn và mức độ

nghiêm trọng của một kết quả liên quan đến hiệu
Nhận thức rủi ro (PR)
suất, sự an toàn, tâm lý hoặc xã hội không chắc
chắn
Có khả năng trục trặc và gặp lỗi hoạt động, vì
PR1 vậy AI có thể không đưa ra chẩn đoán hoặc
khuyến nghị chính xác
Tôi lo ngại rằng thông tin cá nhân và thông tin
chi tiết về sức khỏe của tôi sẽ không an toàn và
PR2 có thể bị các bên liên quan hoặc những người
không được phép truy cập, dẫn đến việc sử dụng (Ye T, Xue J, He
sai mục đích và bị phân biệt đối xử M, Gu J, Lin H,
Xem xét những khó khăn liên quan đến việc Xu B, Cheng Y,
chụp ảnh chất lượng cao để phân tích AI, tôi nghĩ 2019)
PR3
rằng có nguy cơ dẫn đến kết quả sàng lọc không
chính xác
Bởi vì tôi có thể gặp khó khăn trong việc hiểu
PR4 chính xác báo cáo sàng lọc, điều đó có thể làm
tôi lo lắng hơn về sức khỏe của mình
Bởi vì quá tải bệnh nhân và thiếu hụt số lượng
bác sĩ .AI sử dụng thuật ngữ y học trong báo cáo
PR5 sàng lọc và giải thích kết quả làm cho tôi khó
hiểu và có thể làm tôi thêm lo lắng về sức khỏe
mắt của mình.
Chống lại một công nghệ mới do những thành
Xu hướng kháng cự
kiến như tránh hối tiếc, quán tính và chống lại sự
(RB)
thay đổi
Tôi không muốn các thiết bị AI trong y học thay
RB1 đổi cách tôi được khám, chữa bệnh vì tôi thấy (Ye T, Xue J, He
phiền và chúng không quen thuộc với tôi M, Gu J, Lin H,
Tôi không muốn sử dụng các thiết bị AI trong y Xu B, Cheng Y,
học vì theo kinh nghiệm trước đây, các sản phẩm 2019)
RB2
công nghệ cao mới này luôn thất bại trong các
ứng dụng thực tế
RB3 Tôi có thể hối tiếc khi cố gắng sử dụng các thiết

bị AI này vì chúng có thể lãng phí thời gian và
công sức của tôi
Mức độ mà một cá nhân tin rằng việc áp dụng AI
Niềm tin (TR) trong y học là an toàn, đáng tin cậy, hiệu quả và
không gây ra mối đe dọa nào về quyền riêng tư
Tôi tin tưởng rằng với dữ liệu lớn và học sâu, các
thiết bị AI trong y học có thể đưa ra báo cáo
TR1
đáng tin cậy sau khi phân tích hình ảnh sức khỏe
của tôi (Ye T, Xue J, He
M, Gu J, Lin H,
Tôi tin tưởng rằng các thiết bị AI trong y học
Xu B, Cheng Y,
chính xác và đáng tin cậy hơn so với bác sĩ con 2019)
TR2
người, bởi vì chúng không mắc lỗi chủ quan
hoặc theo kinh nghiệm
Tôi tin tưởng rằng các bên liên quan và bên thứ
ba đáng tin cậy sẽ đảm bảo tính bảo mật và
TR3
quyền riêng tư cho dữ liệu cá nhân, thông tin sức
khỏe và hình ảnh của tôi
Động lực hoặc sự sẵn sàng của một cá nhân để
Ý định sử dụng (IU) nỗ lực quyết định sử dụng các thiết bị AI trong
chăm sóc sức khỏe
Tôi dự định sử dụng các thiết bị AI trong tương
IU1 lai là lựa chọn đầu tiên của mình nếu tôi cảm (Ye T, Xue J, He
thấy khó chịu M, Gu J, Lin H,
Xu B, Cheng Y,
Tôi sẽ khuyến khích bạn bè/người thân của mình 2019)
IU2 sử dụng thiết bị AI trước nếu họ cảm thấy khó
chịu
Tôi sẽ khuyến khích những người khỏe mạnh sử
IU3
dụng các thiết bị AI để kiểm tra sức khỏe định kỳ

Chương 2 đã trình bày các cơ sở lý thuyết liên quan đến bài nghiên cứu thông
qua các công trình của các tác giả trước. Bên cạnh đó, nhóm cũng tóm tắt lý thuyết
nền tảng liên quan. Từ đó, nhóm đã đề xuất ra các giả thuyết nghiên cứu, mô hình và
các thang đo liên quan đến các biến. Nhóm xây dựng 8 biến khảo sát phù hợp với 5
thang đo.

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU
Sau khi nhóm đã trình bày được tên đề tài sẽ thực hiện “Áp dụng AI trong y học
ảnh hưởng như thế nào đến quyết định khám chữa bệnh của người dân tại Thành phố
Hồ Chí Minh”, từ đó tìm kiếm các cơ sở lý thuyết Marketing nền tảng cho đề tài
nghiên cứu và các nghiên cứu có liên quan đến đề tài, nhóm đã đề xuất ra được mô
hình và thang đo sơ bộ dựa trên trên việc vận dụng các mô hình liên quan nhất đến đề
tài nhóm. Cụ thể, chương ba sẽ trình bày những nội dung liên quan đến việc thiết kế
nghiên cứu cho đề tài, bao gồm bao gồm (1) qui trình nghiên cứu, (2) thiết kế nghiên
cứu định tính bằng kỹ thuật thảo luận sâu và thảo luận nhóm, (3) trình bày kết quả
nghiên cứu định tính thu được, (4) thiết kế nghiên cứu đinh lượng, (5) tính toán số
mẫu, (6) kỹ thuật chọn mẫu, (7) phương pháp tiếp cận mẫu, (8) bảng câu hỏi định
lượng có nguồn gốc thang đo và loại thang đo.
3.1. Tổng quan về quy trình nghiên cứu
3.1.1. Các giai đoạn nghiên cứu

Nguyễn Đình Thọ, 2012 cho rằng “Hai qui trình cơ bản của nghiên cứu khoa học
là suy diễn và qui nạp. Qui trình suy diễn thường đi kèm với phương pháp nghiên cứu
định lượng, bắt đầu từ các lý thuyết khoa học đã có để suy diễn ra các giả thuyết về
vấn đề nghiên cứu và thu thập dữ liệu để kiểm định các giả thuyết này. Qui trình qui
nạp, thường đi kèm với phương pháp nghiên cứu định tính, bắt đầu bằng cách quan sát
các hiện tượng khoa học để xây dựng mô hình giải thích các hiện tượng khoa học.”
Dựa trên đó, trong bài nghiên cứu này, nhóm thực hiện thông qua 2 giai đoạn
chính.
Bảng 3. 1: Các giai đoạn nghiên cứu

Phương pháp
Giai đoạn Kỹ thuật thu thập Địa điểm
nghiên cứu
1 Nghiên cứu định - Phỏng vấn hai Online
tính chuyên gia am
hiểu trong lĩnh

vực nghiên cứu.
- Phỏng vấn một
nhóm đối tượng.
- Bảng câu hỏi
khảo sát được - Điền form trực
Nghiên cứu định nhóm thiết kế dựa tuyến
2
lượng trên mô hình và - Điền form trực
thang đo chính tiếp
thức.
3.1.2. Quy trình nghiên cứu:

Bước 1: Xác định đề tài nghiên cứu nhóm sẽ thực hiện
Bước 2: Xác định mục tiêu của bài nghiên cứu (mục tiêu tổng thể và mục tiêu cụ
thể)
Bước 3: Tham khảo các lý thuyết và mô hình từ các bài nghiên cứu trước có liên
quan đến đề tài nhóm.
Bước 4: Đề xuất, xây dựng mô hình, thang đó nháp sau khi đã chọn lọc được lý
thuyết Marketing phù hợp.
Bước 5: Tiến hành nghiên cứu định tính sơ bộ mô hình và thang đo đã đề ra

thông qua việc khảo sát hai chuyên gia am hiểu trong lĩnh vực và phỏng vấn nhóm.
Hiệu chỉnh cho phù hợp, đưa ra được mô hình và thang đo hoàn chỉnh.
Bước 6: Giai đoạn nghiên cứu định lượng. Bao gồm các công việc như xác định
đối tượng, tính toán cỡ mẫu, phương pháp chọn và thu thập mẫu, thiết kế bảng câu hỏi
khảo sát trên thang đo chính thức.
Bước 7: Đưa ra kết quả nghiên cứu định lượng qua việc phân tích dữ liệu thu
thập được trên phần mềm SPSS.

Bước 8: Đưa ra kết luận cho đề tài và đề xuất giải pháp/kiến nghị, hàm ý quản
trị.

3.1.3. Sơ đồ mô hình quy trình nghiên cứu

Hình 3. 1: Sơ đồ mô hình quy trình nghiên cứu
3.2. Nghiên cứu định tính (Cuộc phỏng vấn nghiên cứu định tính được diễn ra
tại đây)
3.2.1. Lý do thực hiện nghiên cứu định tính

Việc thực hiện nghiên cứu định tính nhằm xây dựng lý thuyết khoa học dựa vào
quy trình quy nạp (Đình Thọ, 2012). Sau khi nhóm đã tổng hợp và chọn lọc lý thuyết
liên quan đến cũng như đã xây dựng được cơ bản mô hình và thang đo sẽ áp dụng, thì
nhóm nhận thấy sự cần thiết trong việc thu thập một sự hiểu biết sâu sắc về việc xác
định “Áp dụng AI trong y học ảnh hưởng như thế nào đến quyết định khám chữa bệnh
của người dân tại Thành phố Hồ Chí Minh.”, vì vậy việc tiến hành nghiên cứu định
tính là cần thiết để thu thập dữ liệu bên trong.
Với đề tài này, hai công cụ để đi nghiên cứu định tính là áp dụng phỏng vấn sâu
và thảo luận nhóm nhằm khám phá, tiếp thu ý kiến, nhận xét để điều chỉnh mô hình
nghiên cứu cũng như phát triển thang đo sơ bộ hoàn chỉnh hơn.
3.2.2. Thiết kế nghiên cứu định tính

Nhóm sẽ dùng hai công cụ chính là phỏng vấn sâu và thảo luận nhóm. Nghiên
cứu định tính dựa trên các nhận xét về các vấn đề xung quanh chủ đề nghiên cứu, mô
hình và thang đo được tổng hợp thông qua cuộc phỏng vấn online về đề tài “Áp dụng
AI trong y học ảnh hưởng như thế nào đến quyết định khám chữa bệnh của người dân
tại Thành phố Hồ Chí Minh.”
- Thảo luận nhóm: Phương pháp lấy mẫu được lựa chọn là lấy mẫu thuận tiện
phi xác suất: thông qua người thân, bạn bè, nhóm đã chọn được một nhóm đối tượng
gồm 5 người ở các độ tuổi từ 19 - 43 tuổi và hiện đang sinh sống và làm việc tại
Thành phố Hồ Chí Minh. Thảo luận với nhóm đối tượng bằng một số câu hỏi mở
nhằm khai thác các thông tin, nhận xét và nắm bắt được các hiểu biết cơ bản ý kiến
của họ về các nhân tố ảnh hưởng đến quyết định khám chữa bệnh của họ về vấn đề áp
dụng AI trong y học như thế nào.
Bảng 3.2: Các đối tượng tham gia phỏng vấn định tính

STT Họ và tên Độ tuổi Nghề nghiệp
1 Đào Thị Thanh Ngân 31 Nhân viên công ty bất động sản
2 Đào Thị Diệu 43 Kế toán cho công ty mỹ phẩm tại
TPHCM
3 Tăng Thị Hà Châu 28 Kiểm toán
4 Đoàn Trần Kim 19 Sinh viên năm 2 Đại học RMIT

Ngọc
5 Nguyễn Ngọc Duy 24 Nhân viên văn phỏng
- Phỏng vấn sâu: Hai chuyên gia am hiểu trong lĩnh vực nghiên cứu:
+ Anh Phạm Xuân Thế hiện đang là bác sĩ thực tập của Đại học Y dược Thành
phố Hồ Chí Minh, là sinh viên 5 tốt đồng thời cũng là Uỷ Viên Ban Chấp Hành Hội
Sinh viên Khoa Y, Ủy Viên Ban Chấp Hành Đoàn Khoa y - Đại học Y Dược TP. Hồ
Chí Minh; với những thành tựu trong việc “Đạt giải thưởng danh dự trong cuộc thi
The 2nd New Southbound Innovation and Entrepreneurship Competition” và “Nghiên
cứu và chế tạo thành công gậy đa năng dành cho người khiếm thị”.
+ Thạc sĩ Nguyễn Thế Hùng - Giảng viên khoa Kinh doanh quốc tế - Marketing
UEH với 15 năm kinh nghiệm giảng dạy cho các ngành Marketing, Kinh doanh
quốc tế,...
Thông qua việc phỏng vấn theo một list câu hỏi đã được xây dựng và chuẩn bị
trước, những câu hỏi mang tính chất để thảo luận, đào sâu các vấn đề liên quan đến đề
tài nghiên cứu để nhận được những lời nhận xét, góp ý cho nhóm về đề tài, cụ thể ở
các mục như hướng đi, mô hình, sự phù hợp và đúng đắn của các biến trong mô hình,
chỉnh sửa thang đo.

3.2.3. Kết quả của nghiên cứu định tính
3.2.3.1. Thảo luận nhóm

Với đề tài, mô hình nhóm đã xây dựng được thông qua việc chọn lọc lý thuyết và
mô hình liên quan từ các công trình nghiên cứu liên quan trước kia, đây sẽ là mô hình
và thang đo nhóm sẽ đưa ra thảo luận nhóm năm đối tượng từ các độ tuổi khác nhau.
Hình 3. 2: Mô hình nghiên cứu sơ bộ

Trước khi bắt đầu buổi phỏng vấn về các yếu tố được đề cập trong mô hình đề
xuất. Nhóm có một câu hỏi đầu tiên liên quan đến việc những người tham gia phỏng
vấn đã từng nghe đến trí tuệ nhân tạo AI hoặc từng thấy việc sử dụng AI trong đời
sống của mình. Đa số đáp viên cho rằng họ đã được nghe về AI thông qua các phương
tiện truyền thông như phim ảnh, sách báo.
Đối với các câu hỏi mở về từng biến cụ thể trong mô hình:
 Về biến Nhận thức hữu ích

Khi được hỏi về việc bản thân mỗi người có cảm thấy các ứng dụng AI trong y
học là hữu ích và liệu có cải thiện được chất lượng khám chữa bệnh, hầu hết các đáp
viên đều đồng ý. Họ nhận định với mặt tích cực khi AI sẽ mang lại kết quả chữa bệnh

tốt hơn, chính xác hơn, thậm chí có thể thay thế con người, “AI trong khám và chữa
bệnh sẽ tối ưu hóa được các phương pháp điều trị.” anh Duy nhận định.
 Về biến Nhận thức rủi ro

Bên cạnh mặt tích cực mà AI mang lại trong y học, nhóm đề cập đến các rủi ro
có thể xảy ra và xem xét liệu nó có làm gián đoạn suy nghĩ và quyết định khám chữa
bệnh bằng AI của các đáp viên. Bạn Ngọc thể hiện sự đồng tình về việc lo ngại thông
tin cá nhân và thông tin chi tiết về sức khỏe của họ sẽ không an toàn và có thể bị các
bên liên quan hoặc những người không được phép truy cập, dẫn đến việc sử dụng sai
mục đích, các đáp viên lo ngại nhất về mặt thông tin cá nhân bị đánh cắp, rủi ro đó
ngày càng tăng, tuy nhiên, họ sẽ đồng tình việc cung cấp thông tin của mình nếu
“bệnh viện hay cơ sở y tế có đủ độ bảo mật cho khách hàng thì chị vẫn sẽ cung cấp
các thông tin, còn không chị sẽ lo ngại về việc thông tin của mình bị sử dụng sai mục
đích” chị Châu chia sẻ.
 Về biến Ý thức sức khỏe

Khi được hỏi về ý thức và mức độ quan tâm đến sức khỏe của bản thân, bạn
Ngọc có góp ý cho nhóm về thang đo Ý thức về sức khỏe là thang đo này phụ thuộc
nhiều vào tuổi tác. Theo bạn thì ở độ tuổi từ 18 đến 30 trở xuống mọi người có xu
hướng ỷ lại về sức khỏe của bản thân, khi có các dấu hiệu bệnh gì chỉ ra tiệm thuốc
tây mua thuốc uống, và phần lớn ngại việc đi khám bệnh. Với bạn thì những người lớn
tuổi mới có ý thức cao về sức khỏe, thường xuyên đi khám tổng quát hơn. Thế nhưng,
trái ngược lại thì anh Duy lại cho rằng yếu tố này không phụ thuộc tuổi tác vì đối với
anh, anh “rất quan tâm đến sức khỏe, có tìm hiểu về các loại bệnh hay gặp trong lứa
tuổi. Khi có biểu hiện sẽ đi khám ngay không để bệnh lâu.”
 Về biến Xu hướng kháng cự

Đối với yếu tố này, các đáp viên không có phản hồi tiêu cực nhưng họ cần phải
có thời gian, nhất là khi đã quen với cách khám chữa bệnh truyền thống, không thể
thay đổi đột ngột tất cả bằng AI. Các đáp viên cũng bày tỏ rằng họ không có xu hướng
chống đối công nghệ mới hay có thành kiến với sự thay đổi, chỉ cần đủ thời gian để
thích nghi và cần phải chuyển đổi từng khâu một.

 Về biến Chuẩn chủ quan
Yếu tố nhận thức về niềm tin quan trọng của người khác về việc các đáp viên
có nên sử dụng các dịch vụ áp dụng AI trong y học để khám chữa bệnh, nhóm cũng
nhận được 4/5 sự đồng tình đối với mục “Những người quan trọng với tôi (người nhà,
người thân và bạn thân) nghĩ rằng tôi nên sử dụng các dịch vụ áp dụng AI trong y học
để chẩn đoán, khám, chữa bệnh”
→ Xét về tổng thể, hầu như tất cả các đáp viên đều không có gì không hiểu hoặc hiểu
chưa rõ về các biến, tuy nhiên cũng có một số góp ý nhỏ như biến Ý thức sức khỏe
còn khá gây tranh cãi, nó mang hơi hướng phụ thuộc nhiều vào suy nghĩ , nhận thức
cá nhân mỗi người về ý thức sức khỏe của chính họ. Khi được hỏi yếu tố nào tác động
nhiều nhất đến quyết định sử dụng AI trong khám chữa bệnh, 3/5 người cho rằng yếu
tố Nhận thức hữu ích tác động trực tiếp và nhiều nhất đến quyết định khám chữa bệnh
bằng AI do nó khiến bản thân có động lực và sự thỏa mãn hơn so với phương pháp
khám chữa bệnh truyền thống; 2/5 người lại cho rằng yếu tố Ý thức về sức khỏe tác
động nhiều nhất đến quyết định khám chữa bệnh vì nhận thấy rằng AI giúp họ quản lý
sức khỏe tốt hơn.
3.2.3.2. Phỏng vấn sâu

Sau buổi tiến hành thảo luận với nhóm đổi tượng, nhóm thực hiện hai buổi phỏng vấn
với hai chuyên gia là anh Phạm Xuân Thế và thầy Nguyễn Thế Hùng để có được
những nhận xét, góp ý, lời khuyên và đề xuất chuyên sâu hơn về mô hình, thang đo
nghiên cứu.
Bảng 3. 3: Nhận xét chung về tổng quan đề tài

Những nhận xét chung về tổng quan đề tài nghiên cứu
Phạm vi nghiên cứu Chuyên gia Phạm Xuân Thế đề xuất nhóm nên thu
gọn phạm vi của việc áp dụng AI trong y học lại về
một mảng cụ thể, anh cho rằng “bởi vì Ai trong từng
mục cụ thể sẽ tác động đến hành vi thái độ của mọi
người theo những cách khác nhau, như việc áp dụng
AI trong đăng ký khám chữa bệnh thì thái độ, hành vi

của họ sẽ khác, khi AI dùng để chẩn đoán bệnh thì
thái độ, hành vi sẽ khác”. Nếu không sẽ gây khó khăn
cho việc thu nhập dữ liệu và bài nghiên cứu chưa đạt
được ý nghĩa thống kê thực sự.
Tên đề tài ban đầu cũng chưa phù hợp và nêu bật
Tên đề tài nghiên cứu
lên được mục tiêu nghiên cứu của nhóm.
Chuyên gia Phạm Xuân Thế cho rằng tuy hiện đã
làm tốt ở việc đề ra và xác định được mục tiêu nghiên
cứu tổng thế sẽ đạt được sau khi nghiên cứu được thực
Mục tiêu nghiên cứu hiện một cách hoàn chỉnh thế nhưng hiện tại vẫn bị
thiếu sót ở phần mục tiêu cụ thể, nhóm phải
biết “muốn khảo sát điều gì”.
Nhận xét về mô hình và thang đo
Cả hai chuyên gia đều nhận định và cho thấy sự thống nhất về mô hình của
nhóm khá cao và các biến như thế tương đối ổn định và phù hợp. Tuy nhiên, trong quá
trình phỏng vấn sâu hơn, cả hai chuyên gia đã đưa ra một số vấn đề về mô hình và
thang đo mà nhóm cần phải cải thiện. Tuy nhiên trước đó, nhóm đã chỉnh sửa mô hình
cũ lại cho phù hợp về các biến hơn và nhóm sẽ dùng mô hình này để trình bày cho
chuyên gia Nguyễn Thế Hùng nhận xét.

Hình 3. 3: Mô hình mới đề xuất
Bảng 3. 4: Chuyên gia nhận xét về mô hình và thang đo

Mô hình và thang đo
Biến này được định nghĩa là Mức độ mà một cá nhân tin rằng việc áp
dụng AI trong y học là an toàn, đáng tin cậy, hiệu quả và không gây ra
mối đe dọa nào về quyền riêng tư. Và nó sẽ đưa ra giả thuyết Sự tin tưởng
của các bác sĩ kiểm duyệt tác động của tính hữu ích được nhận thức đối
với ý định sử dụng các thiết bị AI của công chúng. Tuy nhiên, trong quá
trình thảo luận, nhận thấy tính mơ hồ, không rõ ràng của biến này khi ở
Niềm tin (TR)
mô hình gốc của tác giả, niềm tin này chỉ mới được xét về phía niềm tin
về phía công nghệ mà chưa đề cấp đến niềm tin về phía bác sĩ - người trực
tiếp chẩn đoán - chữa trị cho cá nhân.
Chuyên gia Nguyễn Thế Hùng nhận xét biến này chưa thực sự khái
quát, khách quan, thông thường “trong các bài nghiên cứu về các yếu tố
thì người ta hay chọn cái thang đo là Độ tin cậy hơn”.
Nhận thức Biến này dùng để chỉ nhận thức về các hạn chế nguồn lực bên trong và

bên ngoài đối với việc sử dụng các thiết bị AI hoặc sự sẵn có của các kỹ
kiểm soát hành
năng, nguồn lực và cơ hội cần thiết để sử dụng chúng, biến này được đề
vi
xuất bỏ đi vì chưa thực sự phù hợp.
Đây là một biến mới sẽ được thêm vào vì theo chuyên gia Nguyễn Thế
Hùng, biến này mang tình rõ ràng hơn, không mơ hồ và theo thầy đề xuất
Độ tin cậy nên sử dụng biến Độ tin cậy thay cho biến Niềm tin như vậy sẽ đúng, phù
hợp và khái quát hơn khi nó đề cập đến cả hai chiều: sự tin tưởng vào bác
sĩ và sự tin tưởng vào công nghệ AI.
Biến này nó ảnh hưởng gián tiếp đến Ý định sử dụng (IU) thông qua
biến nhận thức hữu ích PU, ý thức này sẽ nằm trong nhân tố Nhận thức
tổng thể vì thực chất trong PU đã đã giải giải thích cho biến này. “PU
(Nhận thức hữu ích) được chỉ định có ảnh hưởng độc lập đến BI (Ý định
hành vi).
Vì vậy, thầy đã chỉ cho nhóm thấy tính không phù hợp của biến
này, với biến “Ý thức về sức khỏe” đó chỉ là mức độ mà một người
quan tâm về sức khỏe của họ.
Thầy đề xuất nhóm nên đổi thành biến “Kiến thức nhận thức” vì ở
Ý thức về sức
biến này nó sẽ cho thấy mức độ một người đã hiểu về công nghệ, về AI
khỏe
như thế nào. Các tài liệu trước đây đã chứng minh rằng kiến thức của
người tiêu dùng có ảnh hưởng đến quá trình chấp nhận công nghệ (Hubert
Gatignon, Thomas S. Robertson, 1985); (C. PAGE MOREAU, DONALD
R. LEHMANN, and ARTHUR B. MARKMAN, 2001). Vì vậy, những
người có nhiều kiến thức về công nghệ có nhiều khả năng áp dụng nó hơn,
điều này là do sự tin cậy cao hơn và thái độ tích cực hơn đối với việc áp
dụng công nghệ (C. PAGE MOREAU, DONALD R. LEHMANN, and
ARTHUR B. MARKMAN, 2001) (Hubert Gatignon, Thomas S.
Robertson, 1985)

3.2.4. Sự hiệu chỉnh và hoàn thiện sau phỏng vấn
3.2.4.1. Về phạm vi đề tài nghiên cứu

Nhận và hiểu được sự góp ý của anh Phạm Xuâm Thế, nhóm đã tiến hành xem
xét lại phạm vi nghiên cứu đề tài và quyết định thu hẹp lại, không còn thực hiện ở
phạm vi rộng, chung chung khi xét về với việc áp dụng AI trong y học mà tập trung
xem xét trong một phạm vi, lĩnh vực cụ thể hơn đó là về khía cạnh sử dụng các
phương án chẩn đoán/điều trị thông qua áp dụng AI trong y học.
3.2.4.2. Về tên đề tài

Chỉnh phạm vi đề tài nên nhóm cũng sẽ chỉnh lại tên đề tài cho phù hợp. Đổi tên
từ đề tài cũ “Áp dụng AI trong y học ảnh hưởng như thế nào đến quyết định khám
chữa bệnh của người dân tại Thành phố Hồ Chí Minh.” sẽ thành tên đề tài chính thức
là “Các nhân tố ảnh hưởng đến ý định và quyết định của người dân Thành phố
Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/điều trị thông qua áp
dụng AI trong lĩnh vực y học”.
3.2.4.3. Về mục tiêu nghiên cứu

Nhóm cũng sẽ tiến hành xác định lại mục tiêu nghiên cứu của bài.
+ Mục tiêu tổng quát: Mục tiêu tổng quát của bài nghiên cứu này nhằm xác định
các nhân tố ảnh hưởng đến ý định và quyết định của người dân Thành phố Hồ Chí
Minh về việc sử dụng các phương án chẩn đoán/điều trị thông qua áp dụng AI trong
lĩnh vực y học.
+ Mục tiêu cụ thể:
Thứ nhất, tìm hiểu và khám phá thái độ, cách nhìn nhận và hành vi ra quyết định
khám chữa bệnh của người dân tại Thành phố Hồ Chí Minh khi có sự áp dụng công
nghệ trí tuệ nhân tạo vào trong chẩn đoán và điều trị bệnh. Việc đạt được mục tiêu
nghiên cứu này có thể giúp cho những nhà nghiên cứu, nhà quản trị và bác sĩ nắm bắt
được tâm lý của người dân khi có sự góp mặt của AI vào việc khám chữa bệnh.
Thứ hai, tìm hiểu các nhân tố ảnh hưởng đến ý định và quyết định của người
dân tại Thành phố Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/điều trị

thông qua áp dụng AI trong lĩnh vực y học, đồng thời đo lường tác động của các nhân
tố đến ý định sử dụng của người dân. Việc khám phá các nhân tố này để có cái nhìn rõ
hơn về tác động của các nhân tố đến ý định sử dụng, hay nói cách khác là tác động của
các nhân tố đến hành vi ra quyết định khám chữa bệnh của người dân.
3.2.4.4. Về mô hình nghiên cứu và thang đo

Sau khi tiến hành nghiên cứu định tính bằng kỹ thuật phỏng vấn sâu với hai
chuyên gia là anh Phạm Xuân Thế và thầy Nguyễn Thế Hùng và thảo luận một nhóm
đối tượng ở khác độ tuổi khác nhau thì nhóm đã tiến hành điều chỉnh lại về mô hình
nghiên cứu của mình để nó phù hợp hơn. Cụ thể: loại bỏ biến Niềm tin, biến Ý thức
sức khỏe và biến Nhận thức kiểm soát hành vi và thay bằng hai biến mới là Độ tin cậy
và Kiến thức nhận thức. Do đó, mô hình nghiên cứu đã được điều chỉnh lại với sáu
nhân tố ảnh hưởng đến ý định và quyết định của người dân TP.HCM về việc sử dụng
các phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học và các
yếu tố này sẽ được kiểm tra bằng phương pháp nghiên cứu định lượng để khám phá
xem mức độ ảnh hưởng của từng nhân tố đến ý định và quyết định sử dụng AI trong
các phương án chẩn đoán/điều trị.
Hình 3. 4: Mô hình nghiên cứu chính thức sau phỏng vấn định tính
Nghiên cứu có 6 giả thuyết, cụ thể

+ H1: Nhận thức về tính hữu ích ảnh hưởng tích cực đến ý định sử dụng AI trong
y học của người dân.
+ H2: Các chuẩn mực chủ quan ảnh hưởng tích cực đến ý định sử dụng trực tiếp
các thiết bị AI của công chúng.
+ H3: Độ tin cậy của các cá nhân/tổ chức thực hiện chẩn đoán/điều trị bằng
phương pháp AI có ảnh hưởng tích cực đến ý định sử dụng các thiết bị AI trong khám
chữa bệnh của công chúng.
+ H4: Kiến thức nhận thức cao hơn về sử dụng công nghệ trong y học có ảnh
hưởng tích cực đến ý định sử dụng các thiết bị AI trong khám chữa bệnh của công
chúng.
+ H5: Nhận thức rủi ro ảnh hưởng tiêu cực đến ý định sử dụng thiết bị AI trong
khám chữa bệnh của công chúng.
+ H6: Xu hướng phản kháng ảnh hưởng tiêu cực đến ý định sử dụng các thiết bị
AI trong khám chữa bệnh của công chúng.
Như vậy thang đo sẽ được điều chỉnh như sau. Thang đo gồm có 22 biến quan
sát cho 5 biến độc lập và 3 biến quan sát cho 1 biến phụ thuộc.
Bảng 3. 5: Thang đo nghiên cứu chính thức sau phỏng vấn định tính
TÊN THANG ĐO THANG ĐO THANG ĐO ĐIỀU TÁC GIẢ

BIẾN GỐC TIẾNG VIỆT CHỈNH
NHẬN HI1 Ophthalmic AI Các thiết bị AI Các thiết bị AI sẽ (Ye T, Xue J,

THỨC devices would nhãn khoa sẽ giúp tôi đối phó với He M, Gu J,
HỮU help me to giúp tôi đối phó các bệnh về sức khỏe Lin H, Xu B,
ÍCH (HI) cope with với các bệnh về và có thể phòng ngừa
Cheng Y,
preventable mắt có thể phòng được bệnh ở giai
2019)
eye diseases at ngừa được ở giai đoạn đầu.
an early stage đoạn đầu
HI2 Ophthalmic AI Các thiết bị AI Các thiết bị AI sẽ

devices would nhãn khoa sẽ cung cấp thông tin và
provide cung cấp thông hình ảnh chi tiết về
detailed tin và hình ảnh tình trạng cơ thể của
information chi tiết về mắt tôi, điều này sẽ rất
and images of của tôi, điều này hữu ích cho tôi.
my eyes, sẽ rất hữu ích
which would cho tôi
be very useful
for me
HI3 Ophthalmic AI Các thiết bị AI Các thiết bị AI sẽ

devices would nhãn khoa sẽ giúp các tổ chức y tế
help the giúp các tổ chức tăng hiệu suất khám
medical y tế nhận ra chữa bệnh.
institutions to nhiều bệnh nhân
recognize mắt có thể điều
more treatable trị hơn
eye patients
HI4 Ophthalmic AI Các thiết bị AI Các thiết bị AI sẽ là

devices would nhãn khoa sẽ là một bổ sung tốt cho
be a good một bổ sung tốt các phương pháp
supplement to cho các phương chăm sóc sức khỏe
traditional pháp chăm sóc truyền thống và phù
health care sức khỏe truyền hợp với triết lý y tế
approaches thống và phù của tôi
and fit with my hợp với triết lý y
medical tế của tôi
philosophy
CHUẨN CQ1 People who Những người Những người quan (Ye T, Xue J,
CHỦ are important quan trọng với trọng với tôi (người He M, Gu J,
QUAN to me (family tôi (người nhà, nhà, người thân và Lin H, Xu B,
members, người thân và bạn thân) nghĩ rằng

relatives, and bạn thân) nghĩ tôi nên sử dụng các Cheng Y,
close friends) rằng tôi nên sử dịch vụ áp dụng AI 2019)
think that I dụng thiết bị AI trong y học để chẩn
should use nhãn khoa đoán, khám, chữa
ophthalmic AI bệnh
devices
CQ2 My colleagues Đồng nghiệp Đồng nghiệp hoặc

or peers think hoặc đồng đồng nghiệp của tôi
that I should nghiệp của tôi nghĩ rằng tôi nên sử
use ophthalmic nghĩ rằng tôi nên dụng các dịch vụ áp
(CQ)
AI devices sử dụng thiết bị dụng AI trong y học
AI nhãn khoa để chẩn đoán, khám,
chữa bệnh
CQ3 My leaders or Lãnh đạo hoặc Lãnh đạo hoặc cấp

superiors think cấp trên của tôi trên của tôi nghĩ rằng
that I should nghĩ rằng tôi nên tôi nên sử dụng các
use ophthalmic sử dụng thiết bị dịch vụ áp dụng AI
AI devices AI nhãn khoa trong y học để chẩn
đoán, khám, chữa
bệnh
ĐỘ TIN RE1 I consider my Tôi xem nhà Tôi xem bác sĩ/bệnh (M. Sridhar et
CẬY service cung cấp dịch vụ viện cung cấp dịch al, 2018)
(RE) provider to be của mình là tiến vụ khám chữa bệnh
progressive bộ và đổi mới. bằng AI là tiến bộ và
and đổi mới
innovation.
RE2 My service Nhà cung cấp Bác sĩ/bệnh viện

provider dịch vụ của tôi cung cấp dịch vụ
understands hiểu rõ khách khám chữa bệnh
the customer hàng và hướng bằng AI hiểu rõ tình
need and they trạng bệnh nhân và

are customer đến khách hàng. hướng đến bệnh
oriented. nhân.
RE3 I consider my Tôi coi nhà cung Tôi coi bác sĩ/bệnh
service cấp dịch vụ của viện cung cấp dịch
provider to be tôi là một công vụ khám chữa bệnh
a pleasant ty dễ chịu. bằng AI sẽ tạo môi
company. trường khám chữa
bệnh dễ chịu.
RE4 In my opinion, Theo ý kiến của Theo ý kiến của tôi,

my service tôi, nhà cung cấp bác sĩ/bệnh viện
provider is dịch vụ của tôi là cung cấp dịch vụ
respectable đáng tôn trọng khám chữa bệnh
and và đáng tin cậy. bằng AI là đáng tôn
trustworthy. trọng và đáng tin cậy
KN1 Generally, I Nói chung, tôi Nói chung, tôi quen (Myllyoja,
am familiar quen thuộc với thuộc với khái niệm Holly-Laura
with the khái niệm AI. công nghệ et al, 2022)
concept of AI.
KN2 I feel confident Tôi cảm thấy tự Tôi cảm thấy tự tin
KIẾN
regarding my tin về kiến thức về hiểu biết của mình
THỨC
knowledge của mình về AI về các công nghệ sử
NHẬN
about AI in trong các dịch dụng trong lĩnh vực
THỨC
services. vụ. y tế
(KN)
KN3 I feel confident Tôi cảm thấy tự Tôi cảm thấy tự tin
describing AI tin khi mô tả AI khi mô tả các công
to a friend cho một người nghệ sử dụng trong
bạn. lĩnh vực y tế cho một
người bạn.
NHẬN RR1 As AI-based Các thiết bị dựa Các thiết bị dựa trên (Avishek
THỨC devices are not trên AI không AI không phù hợp

in line with phù hợp với thực với thực hành y tế Choudhury et
traditional hành y tế truyền truyền thống, tạo nên al, 2022)
medical thống, nên sự sự mơ hồ về tính an
practices, the mơ hồ về tính an toàn và hiệu quả của
ambiguity toàn và hiệu quả thiết bị AI trong
about the của các mô hình thăm khám sức khỏe
safety and AI trong chăm
efficacy of AI sóc sức khỏe
models in
healthcare are
still strong
reasons that
facilitate users’
risks
RỦI RO
RR2 I think using Tôi nghĩ rằng Tôi nghĩ rằng việc sử
(RR)
AI for my việc sử dụng AI dụng AI cho công
clinical work cho công việc việc chẩn đoán lâm
will put my lâm sàng của sàng của mình sẽ
patients at risk mình sẽ khiến khiến bệnh nhân của
(reduce patient bệnh nhân của tôi gặp rủi ro (giảm
safety) tôi gặp rủi ro sự an toàn cho bệnh
(giảm sự an toàn nhân)
cho bệnh nhân)
RR3 I think using Tôi nghĩ rằng Tôi nghĩ rằng việc sử
AI will put my việc sử dụng AI dụng AI trong y tế sẽ
patients’ sẽ gây rủi ro cho gây rủi ro cho quyền
privacy at risk quyền riêng tư riêng tư của bệnh
của bệnh nhân nhân của tôi
của tôi
XU PK1 I don’t want Tôi không muốn Tôi không muốn các (Ye T, Xue J,
HƯỚNG ophthalmic AI các thiết bị AI thiết bị AI trong y He M, Gu J,

devices to nhãn khoa thay học thay đổi cách tôi Lin H, Xu B,
change how I đổi cách tôi đối được khám, chữa Cheng Y,
deal with eye phó với các bệnh bệnh vì tôi thấy 2019)
diseases về mắt vì tôi phiền và chúng
because I can’t không phiền và không quen thuộc
be bothered chúng không với tôi
and they are quen thuộc với
unfamiliar to tôi
me
PK2 I don’t want to Tôi không muốn Tôi không muốn sử

use ophthalmic sử dụng các thiết dụng các thiết bị AI
AI devices bị AI nhãn khoa trong y học vì theo
because from vì theo kinh kinh nghiệm trước
past nghiệm trước đây, các sản phẩm
PHẢN experience, đây, các sản công nghệ cao mới
KHÁNG these new phẩm công nghệ này luôn thất bại
(PK) high-tech cao mới này trong các ứng dụng
products luôn thất bại thực tế
always fall flat trong các ứng
during dụng thực tế
practical
applications
PK3 I might regret Tôi có thể hối Tôi có thể hối tiếc
trying to use tiếc khi cố gắng khi cố gắng sử dụng
these sử dụng các thiết các thiết bị AI này vì
ophthalmic bị nhãn khoa này chúng có thể lãng phí
devices vì chúng có thể thời gian và công sức
because they lãng phí thời của tôi
could waste gian và công sức
my time and của tôi
effort

YĐ1 I intend to use Tôi dự định sử Tôi dự định sử dụng (Ye T, Xue J,
ophthalmic AI dụng các thiết bị các thiết bị AI trong He M, Gu J,
devices as my AI nhãn khoa là tương lai là lựa chọn Lin H, Xu B,
first choice if I lựa chọn đầu tiên đầu tiên của mình
Cheng Y,
feel eye của mình nếu tôi nếu tôi cảm thấy
2019)
discomfort cảm thấy khó không khỏe
chịu ở mắt
YĐ2 I will Tôi sẽ khuyến Tôi sẽ khuyến khích

encourage my khích bạn bạn bè/người thân
friends/relative bè/người thân của mình sử dụng
Ý ĐỊNH s to use của mình sử thiết bị AI trước nếu
SỬ ophthalmic AI dụng thiết bị AI họ cảm thấy không
DỤNG devices first if nhãn khoa trước được khỏe
(YĐ) they feel eye nếu họ cảm thấy
discomfort. khó chịu ở mắt
YĐ3 I will Tôi sẽ khuyến Tôi sẽ khuyến khích

encourage khích những những người khỏe
healthy people người khỏe mạnh sử dụng các
to use mạnh sử dụng thiết bị AI để kiểm
ophthalmic AI các thiết bị AI tra sức khỏe định kỳ
devices for eye nhãn khoa để
health path kiểm tra đường
screening sức khỏe của
mắt
3.3. Nghiên cứu định lượng
3.3.1. Thiết kế nghiên cứu định lượng

Nghiên cứu định lượng nhằm mục đích đo lường các nhân tố ảnh hưởng đến ý
định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn
đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học. Mục tiêu khảo sát sẽ là người

dân đang sinh sống tại Thành phố Hồ Chí Minh với 4 nhóm được phân bố theo độ
tuổi: nhóm dưới 18 tuổi, nhóm từ 19 - 30 tuổi, nhóm từ 31 - 55 tuổi và cuối cùng là
nhóm trên 55 tuổi. Thông qua việc tính toán kích thước cỡ mẫu tối thiểu để có thể đại
diện được cho tổng thể một cách tốt nhất. Trên cơ sở đó, nhóm đã tính được số lượng
mẫu tối thiểu sẽ là 385.
Để kiểm định mô hình cùng với thang đo và các giả thuyết nghiên cứu định
lượng sẽ được tiến hành thực hiện qua bước thiết kế thang đo chính thức của nghiên
cứu định tính thành bảng câu hỏi khảo sát. Sẽ có tối thiểu 385 mẫu được đưa ra giống
với số lượng cỡ mẫu tối thiểu tính được là 385 mẫu. Với kích thước mẫu khá lớn như
trên trải dài ở tất cả mọi độ tuổi, nghiên cứu này sẽ sử dụng phương pháp chọn mẫu
với đa dạng cách tiếp cận từ trực tiếp tại các địa điểm như trung tâm thương mại, bệnh
viên, đường phố ở Thành phố Hồ Chí Minh,... đến gián tiếp thông qua Google Forms.
Cuộc khảo sát được thực hiện trong khoảng thời gian từ 27/4/2023 đến 9/5/2023.
Phương pháp lấy mẫu ngẫu nhiên phân tầng sẽ là phương pháp chọn mẫu mà nhóm
lựa chọn để tiến hành nghiên cứu.
Có hai hình thức khảo sát được thực hiện. Hình thức thứ nhất là nhóm thu thập
biểu mẫu câu trả lời từ việc khảo sát trực tiếp đối tượng và hình thức thứ hai là thu
thập bảng câu hỏi gián tiếp online qua Google Froms. Bảng câu hỏi gồm 34 câu hỏi.
Trong đó có 4 câu hỏi sàng lọc, 5 câu hỏi về thông tin cá nhân của đối tượng tham gia
khảo sát, 25 câu hỏi về các yếu tố, cụ thể 4 câu hỏi về yếu tố Nhận thức hữu ích, 3 câu
hỏi về Chuẩn chủ quan, 4 câu hỏi về Độ tin cậy, 3 câu hỏi về Kiến thức nhận thức, 3
câu hỏi về Nhận thức rủi ro, 3 câu hỏi về Xu hướng phản kháng, 3 câu hỏi về Ý định
sử dụng. Với 25 câu hỏi đánh giá của người tham gia khảo sát về các nhân tố tác động
đến ý định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn
đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học. Mỗi câu hỏi được đo lường
dựa trên bảng thang đo Likert 5 mức độ “1: Hoàn toàn không đồng ý; 2: Không đồng
ý; 3: Trung lập; 4: Đồng ý; 5: Hoàn toàn đồng ý” được sử dụng để đo lường giá trị các
biến số.
3.3.2. Tính toán số mẫu

Đối tượng khảo sát mà nhóm nghiên cứu nhắm đến bao gồm 2 đặc điểm:
(1) Cư trú tại TP. Hồ Chí Minh
(2) Không phải là nhân viên y tế như bác sĩ hay y tá.
Nhóm chia dân số TP. Hồ Chí Minh làm 4 nhóm tuổi bao gồm: Dưới 18 tuổi, từ
18 – 30 tuổi, từ 31 – 55 tuổi và trên 55 tuổi.
Dựa vào Tổng điều tra dân số và nhà ở năm 2019 của Tổng cục thống kê Việt
Nam, nhóm nghiên cứu lập bảng dưới đây thể hiện dân số thành phố Hồ Chí Minh
theo từng nhóm tuổi.
Nhóm tuổi Nam Nữ Chung

<18 1 091 345 1 005 586 2 096 931
18 – 30 1 093 204 1 142 891 2 236 095
31 – 55 1 674 802 1 755 103 3 429 905
> 55 521 891 708 260 1 230 151
Tổng số 4 381 242 4 611 840 8 993 082
Bảng 3. 6: Dân số TP. HCM theo từng nhóm tuổi

Vì điều kiện thời gian, vật chất, khả năng giới hạn, nhóm không thể tiếp cận và
khảo sát tất cả các cá nhân thuộc tập thể trên. Do đó, nhóm thực hiện khảo sát theo cỡ
mẫu được tính dựa vào công thức bên dưới:
2 p ×(1− p)
N=z ×
e2
Trong đó,
+ n là kích cỡ mẫu cần xác định.
+ Z là giá trị phân phối Z dựa trên độ tin cậy được lựa chọn. Trong bài nghiên
cứu này, nhóm lựa chọn độ tin cậy là 95% nên giá trị Z tương ứng là 1,96.
+ P là tỷ lệ ước lượng cỡ mẫu thành công. Tại đây, nhóm sử dụng p = 0,5 là tỷ
lệ đảm bảo an toàn cho mẫu n ước lượng.

+ e là mức sai số cho phép, tại đây, nhóm sử dụng tỷ lệ sai số phổ biến là ± 0.05
.
Như vậy, cỡ mẫu xác định là:
2 p ×(1− p) 2 0.5 ×(1−0.5)

N=z × 2 = 1.96 × = 384,16 ≈ 385 (người)
e 0.052
Từ đây, nhóm xác định kích thước mẫu tối thiểu là 385 người, đại diện cho tổng
thể dân số TP. HCM có các đặc điểm mà nghiên cứu nhắm đến. Dưới đây là bảng tính
toán về số lượng khảo sát tối thiểu cho từng nhóm tuổi:
Nhóm tuổi Nam Nữ Chung

<18 47 43 90
18 – 30 47 49 96
31 – 55 72 75 147
>55 22 30 52
Tổng số 188 197 385
Bảng 3. 7: Bảng tính cỡ mẫu khảo sát cho từng nhóm tuổi
3.3.3. Kế hoạch lấy mẫu
3.3.3.1. Xác định đối tượng khảo sát
Tổng thể (Population) là tập hợp các đối tượng mà nhóm nghiên cứu quan tâm
và phù hợp với việc khảo sát thông tin.
Đối tượng trong nghiên cứu này là Các nhân tố ảnh hưởng đến ý định và quyết
định của người dân TP.HCM về việc sử dụng các phương án chẩn đoán/điều trị thông
qua áp dụng AI trong lĩnh vực y học, thông qua phân tích về các nhân tố sẽ ảnh hưởng
đến việc sử dụng các phương án chẩn đoán/điều trị áp dụng AI. Đối tượng khảo sát
nhóm tiến hành là người dân đang sinh sống và làm việc tại TP. Hồ Chí Minh, không
giới hạn thu nhập, giới tính. Cỡ mẫu đủ để đại diện cho tổng thể cho nghiên cứu này
sau khi được nhóm tính toán là 385 đối tượng cho 4 nhóm tuổi.

3.3.3.2. Phương pháp chọn mẫu
Bài nghiên cứu này sử dụng phương pháp lấy mẫu ngẫu nhiên phân tầng để thu
thập dữ liệu. “Trong chọn mẫu theo phương pháp ngẫu nhiên phân tầng, quần thể
nghiên cứu được chia thành các nhóm riêng rẽ được gọi là tầng, mẫu nghiên cứu là
các cá thể được lựa chọn một cách ngẫu nhiên trong các tầng. Tổng số cá thể được
chọn nghiên cứu trong mỗi tầng phải tương ứng với tỷ lệ quần thể có trong các tầng”
(Nguyễn, 2020). Trong phương pháp lấy mẫu ngẫu nhiên phân tầng, với tổng thể là
người dân TP. Hồ Chí Minh là quá lớn cho mục đích khảo sát, do đó, sau khi tiến
hành tính cỡ mẫu đại diện cho tổng thể này với tổng số 385 mẫu, nhóm sẽ tiến hành
chia các phần tử trong tổng thể này thành các nhóm được gọi là tầng sao cho mỗi phần
tử trong tổng thể thuộc một và chỉ một tầng. Cơ sở để hình thành các tầng chính là độ
tuổi với 4 tầng như sau:
+ Tầng 1: Dưới 18 tuổi
+ Tầng 2: Từ 18 - 30 tuổi
+ Tầng 3: Từ 31 - 55 tuổi
+ Tầng 4: Trên 55 tuổi.
Nam Nữ Chung
Tầng 1 12.2% 11.2% 23.4%
Tầng 2 12.2% 12.7% 24.9%
Tầng 3 18.7% 19.5% 38.2%
Tầng 4 5.7% 7.8% 13.5%
Tổng số 48.8% 51.2% 100%
Bảng 3. 8: Bảng tỷ lệ của mỗi phần tử trong mỗi tầng

Sau khi bốn tầng được hình thành, nhóm sẽ thực hiện việc lấy mẫu ngẫu nhiên
đơn giản cho mỗi tầng.
Nhóm chọn phương pháp lấy mẫu ngẫu nhiên phân tầng vì phương pháp này
không chỉ giúp đem lại hiệu quả thống kê của mẫu cao hơn mà còn giúp cung cấp dữ

liệu phù hợp để phân tích từng từng tầng, giúp nhóm dễ dàng tiếp cận đối tượng khảo
sát phù hợp với đặc thù của chủ đề nghiên cứu.
3.3.3.3. Phương pháp tiếp cận mẫu
Với một số mẫu tối thiểu đã tính ở mục 3.3.2, trong nghiên cứu này, nhóm sẽ
phải thu thập tối thiểu là 385 form khảo sát bằng cả hai phương thức nhằm đảm bảo
đạt được kích thước mẫu mong muốn:
+Thứ nhất: song song với thời gian khảo sát online nhóm cũng thực hiện khảo
sát trực tiếp tại các địa điểm như bệnh viện Nguyễn Tri phương, trung tâm thương mại
Vạn Hạnh Mall, chợ và các địa điểm khác,... Ở phương pháp này, người tham gia
khảo sát sẽ điền vào biểu mẫu mà nhóm đã chuẩn bị sẵn và chụp ảnh minh chứng đại
diện để đảm bảo tính trung thực, khách quan và khách quan của biểu mẫu câu trả lời.
Tổng hợp minh chứng được dẫn link tại đây.
+ Thứ hai: tiến hành khảo sát trực tuyến thông qua nền tảng Google Forms
(Bảng câu hỏi chính thức được thực hiện thiết kế trên nền tảng này luôn) (Xem chi tiết
bảng câu hỏi tại đường dẫn này.) Người tham gia khảo sát sẽ điền trực tuyến vào biểu
mẫu đó. Họ được chọn ngẫu nhiên thông qua các mối liên hệ trên Internet và các
nhóm trên những nền tảng mạng xã hội Facebook. Thời gian thu thập dữ liệu trực
tuyến được tiến hành từ ngày 27/4/2023 đến ngày 9/05/2023.
Các nhóm Facebook sẽ khảo sát:
Nhóm Học Tập UEH
Nhóm khảo sát (Questionnaire Survey Team)
Thực Hiện Khảo Sát Chéo
Market research in Vietnam - Nghiên cứu thị trường Việt Nam
3.3.3.4. Thiết kế bảng câu hỏi khảo sát

Với mục đích thu thập dữ liệu, nhóm sử dụng bảng câu hỏi đã được thiết kế dựa
trên cơ sở nghiên cứu định tính sau khi đã điều chỉnh, bổ sung các thành phần và biến
quan sát.
Bước 1: Dựa vào bảng câu hỏi gốc của các tác giả (Ye T, Xue J, He M, Gu J, Lin
H, Xu B, Cheng Y, 2019); (M. Sridhar, Ajay Mehta, 2018) (Myllyoja, Holly-Laura et
al, 2022) (Avishek Choudhury et al, 2022). Nhóm tiến hành thiết kế cho phù hợp với
đề tài.
- Phần 1: Giới thiệu tổng quan bảng câu hỏi khảo sát về đề tài nhóm “Các nhân
tố ảnh hưởng đến ý định và quyết định của người dân TP.HCM về việc sử dụng các
phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học.”
- Phần 2: Các câu hỏi khảo sát
+ Câu hỏi sàng lọc: 4 câu hỏi với thang đo định danh với mục đích là dùng để xác
định đối tượng phù hợp với nghiên cứu.
+ Câu hỏi chính: gồm 25 câu hỏi đặc thù để thu thập dữ liệu cần thiết cho nghiên
cứu. Mỗi câu hỏi được đo lường dựa trên bảng thang đo Likert 5 mức độ “1: Hoàn
toàn không đồng ý; 2: Không đồng ý; 3: Trung lập; 4: Đồng ý; 5: Hoàn toàn đồng
ý” được sử dụng để đo lường giá trị các biến số.
+ Câu hỏi thông tin cá nhân: 5 câu hỏi mang tính chất thu thập thêm thông tin về
đặc điểm nhân khẩu học của người tham gia khảo sát như giới tính, độ tuổi, học
vấn, tình trạng hôn nhân, thu nhập.
- Phần 3: Phần kết thúc: Lời cảm ơn đến những người tham gia khảo sát và
phần quà nhỏ dành cho họ.
Bước 2: Bảng câu hỏi được thiết kế hoàn chỉnh và tiến hành phỏng vấn thử với
10 đối tượng khác nhau để họ đưa ra nhận xét sơ bộ về ính hợp lý, logic, chính xác
của các câu hỏi sát và giữa các phần với nhau xem xem liệu có gì cần chỉnh sửa hay
không để cuối cùng đưa ra được bảng câu hỏi khảo sát với các biến quan sát đúng, phù

hợp nội dung và mục đích nghiên cứu nhằm đảm bảo các đối tượng khảo sát chính
thức có thể hiểu đúng câu hỏi nghiên cứu và hiểu đủ mục tiêu nghiên cứu của nhóm.
3.3.3.5. Bảng câu hỏi khảo sát chính thức
 Giới thiệu tổng quan
Chúng tôi là nhóm sinh viên đến từ Trường Đại học Kinh tế Thành phố Hồ Chí
Minh. Hiện tại, chúng tôi đang thực hiện một nghiên cứu về chủ đề “Các nhân tố ảnh
hưởng đến ý định và quyết định của người dân TP.HCM về việc sử dụng các
phương án chẩn đoán /điều trị thông qua áp dụng AI trong lĩnh vực y học”. Mục
tiêu của bài nghiên cứu này nhằm tìm hiểu thái độ, cách nhìn nhận và hành vi ra quyết
định của người dân tại TP. HCM, khi có sự áp dụng trí tuệ nhân tạo vào trong việc
chẩn đoán và điều trị bệnh. Quy trình nghiên cứu diễn ra theo các bước: Đầu tiên,
chúng tôi xác định đề tài, tham khảo các bài nghiên cứu liên quan và từ đó đưa ra mô
hình và thang đo nghiên cứu tạm thời. Bước tiếp theo, chúng tôi tiến hành phỏng vấn
chuyên gia và nhóm khảo sát để ghi nhận các góp ý và hiệu chỉnh lại phần nghiên cứu
định tính. Sau khi chỉnh sửa mô hình và thang đo hoàn chỉnh, chúng tôi sẽ tiến hành
thu thập dữ liệu thông qua khảo sát.
Bảng khảo sát bao gồm 25 câu hỏi chính liên quan đến đề tài.Chúng tôi không
quy định tính đúng/sai cho từng câu hỏi khảo sát. Vì vậy, chúng tôi mong nhận được
câu trả lời khách quan nhất từ các bạn. Câu trả lời của bạn sẽ góp phần hoàn thiện bài
nghiên cứu của nhóm. Chúng tôi xin cam kết tất cả những thông tin được thu thập chỉ
để phục vụ cho mục đích nghiên cứu học thuật và được bảo mật tuyệt đối.
 Xây dựng bảng câu hỏi khảo sát
Bảng 3. 9: Bảng câu hỏi khảo sát

ST THANG
CÂU HỎI NGUỒN
T ĐO
CÂU HỎI SÀNG LỌC

1 Bạn có đang sống ở
Thành phố Hồ Chí
Minh không?
- Có (tiếp tục)
- Không (dừng lại)
2 Bạn có biết về việc
áp dụng AI trong
khám và chữa bệnh
không?
3 Bạn có quan tâm
Danh
đến vấn đề áp dụng
nghĩa
AI trong khám và
chữa bệnh hay
không?
4 Bạn có ý định sử
dụng AI trong khám
và chữa bệnh cho
bản thân mình và
người thân không?
CÂU HỎI CHÍNH
NHẬN THỨC
HỮU ÍCH

5 Các thiết bị AI sẽ
giúp đối phó với các
bệnh và phòng ngừa
chúng ở giai đoạn
đầu.
6 Các thiết bị AI rất
hữu ích trong việc
cung cấp thông tin
1. Rất không đồng ý (Ye T, Xue J,
và hình ảnh chi tiết Tỷ lệ
2. Không đồng ý He M, Gu J,
về tình trạng cơ thể (Thang
3. Trung lập Lin H, Xu B,
của tôi. đo likert
4. Đồng ý Cheng Y,
7 Các thiết bị AI sẽ 5)
5. Hoàn toàn đồng ý 2019))
giúp các tổ chức y tế
tăng hiệu suất khám
chữa bệnh.
8 Trong phương pháp
chăm sóc sức khỏe
truyền thống, các
thiết bị AI sẽ là một
bổ sung tốt.
CHUẨN CHỦ
QUAN
9 Những người quan
trọng với tôi nghĩ 1. Rất không đồng ý (Ye T, Xue J,
Tỷ lệ
rằng tôi nên sử dụng 2. Không đồng ý He M, Gu J,
(Thang
các dịch vụ áp dụng 3. Trung lập Lin H, Xu B,
đo likert
AI trong y học để 4. Đồng ý Cheng Y,
5)
chẩn đoán, khám, 5. Hoàn toàn đồng ý 2019)
chữa bệnh.

10 Đồng nghiệp của tôi
nghĩ rằng tôi nên sử
dụng các dịch vụ áp
dụng AI trong y học
để chẩn đoán, khám,
chữa bệnh.
11 Lãnh đạo hoặc cấp
trên của tôi nghĩ
rằng tôi nên sử dụng
các dịch vụ áp dụng
AI trong y học để
chẩn đoán, khám,
chữa bệnh.
ĐỘ TIN CẬY
13 Tôi xem bác sĩ/bệnh 1. Rất không đồng ý Tỷ lệ (M. Sridhar
viện cung cấp dịch 2. Không đồng ý (Thang et al, 2018)
vụ khám chữa bệnh 3. Trung lập đo likert
bằng AI là tiến bộ 4. Đồng ý 5)
và đổi mới. 5. Hoàn toàn đồng ý
14 Tôi nghĩ rằng bác
sĩ/bệnh viện cung
cấp dịch vụ khám
chữa bệnh bằng AI
sẽ hiểu rõ tình trạng
bệnh nhân và hướng
đến bệnh nhân hơn.
15 Tôi nghĩ rằng bác
sĩ/bệnh viện cung
cấp dịch vụ khám
chữa bệnh bằng AI
sẽ tạo môi trường

khám chữa bệnh dễ
chịu hơn.
16 Theo ý kiến của tôi,
bác sĩ/bệnh viện
cung cấp dịch vụ
khám chữa bệnh
bằng AI là đáng tôn
trọng và đáng tin
cậy hơn so với
những nơi khác.
KIẾN THỨC
NHẬN THỨC
17 Nhìn chung, tôi
quen thuộc với các
khái niệm công nghệ
18 Tôi cảm thấy tự tin
về hiểu biết của
1. Rất không đồng ý
mình đối với các Tỷ lệ
2. Không đồng ý (Myllyoja,
công nghệ sử dụng (Thang
3. Trung lập Holly-Laura
trong lĩnh vực y tế. đo likert
4. Đồng ý et al, 2022)
19 Tôi cảm thấy tự tin 5)
5. Hoàn toàn đồng ý
khi mô tả các công
nghệ sử dụng trong
lĩnh vực y tế cho
những người xung
quanh.
NHẬN THỨC RỦI
RO
20 Tôi đánh giá rằng 1. Rất không đồng ý Tỷ lệ
(Avishek
các thiết bị dựa trên 2. Không đồng ý (Thang
Choudhury et
AI không phù hợp 3. Trung lập đo likert

với y tế truyền
thống, tạo nên sự
mơ hồ về tính an
toàn và hiệu quả.
21 Tôi nghĩ rằng việc
sử dụng AI cho
công việc chẩn đoán 4. Đồng ý
5) al, 2022)
lâm sàng sẽ khiến 5. Hoàn toàn đồng ý
tôi gặp rủi ro.
22 Tôi nghĩ rằng việc
sử dụng AI trong y
tế sẽ gây rủi ro về
quyền riêng tư của
tôi.
XU HƯỚNG
PHẢN KHÁNG
23 Tôi không muốn các 1. Rất không đồng ý Tỷ lệ
thiết bị AI trong y 2. Không đồng ý (Thang (Ye T, Xue J,
học thay đổi cách 3. Trung lập đo likert He M, Gu J,
khám, chữa bệnh vì 4. Đồng ý 5) Lin H, Xu B,
tôi thấy phiền và 5. Hoàn toàn đồng ý Cheng Y,
không quen thuộc 2019)
với tôi.
24 Tôi không muốn sử
dụng các thiết bị AI
trong y học vì theo
kinh nghiệm trước
đây, các sản phẩm
công nghệ cao mới
này luôn thất bại
trong các ứng dụng

thực tế.
25 Các thiết bị AI có
thể lãng phí thời
gian và công sức
của tôi.
Ý ĐỊNH SỬ
DỤNG
26 Sử dụng các thiết bị
AI trong tương lai là
sẽ lựa chọn đầu tiên
của tôi nếu tôi cảm
thấy không khỏe.
27 Tôi sẽ khuyến khích
bạn bè/người thân 1. Rất không đồng ý (Ye T, Xue J,
Tỷ lệ
của mình sử dụng 2. Không đồng ý He M, Gu J,
(Thang
thiết bị AI nếu họ 3. Trung lập Lin H, Xu B,
đo likert
cảm thấy không 4. Đồng ý Cheng Y,
5)
được khỏe 5. Hoàn toàn đồng ý 2019)
28 Tôi sẽ khuyến khích
những người khỏe
mạnh sử dụng các
thiết bị AI để kiểm
tra sức khỏe định
kỳ.
THÔNG TIN CÁ NHÂN
29 Bạn hiện đang ở độ
tuổi nào?
- Dưới 18 tuổi
Thứ bậc
- Từ 18 - 30 tuổi
- Từ 31 - 55 tuổi
- Trên 55 tuổi

30 Giới tính của bạn là?
- Nam Danh
- Nữ nghĩa
- Tôi không muốn
tiết lộ
31 Trình độ học vấn
của bạn hiện tại:
- Trung học phổ
thông hoặc trở
Thứ bậc
xuống
- Đại học
- Thạc sĩ
- Tiến sĩ
32 Tình trạng hôn nhân
của bạn là? Danh
- Độc thân nghĩa
- Đã kết hôn
33 Trung bình thu nhập Chúng tôi sử dụng bảng Khoảng
hàng tháng của bạn phân loại thu thập theo tầng
là? lớp (Phân loại thu nhập
- Từ 0 – 1.5 triệu theo Class và ứng dụng
(Class F) trong Marketing, 2022) cho
- Từ 1.5 – 3 triệu câu hỏi này. Phân loại thu
(Class E) thập theo class được chia
- Từ 3 – 4.5 triệu làm 10 Class từ Class A
(Class D) đến Class F. Với mức thấp
- Từ 4.5 – 7.5 triệu nhất là Class F dao động từ
(Class C) 0 – 1.5 triệu và mức cao
- Từ 7.5 - 15 triệu nhất là Class A dao động từ
(Class B) 15 – trên 150 triệu.

- Từ 15 triệu trở lên
(Class A)
Chương 3 nhóm đã trình bày về việc Thiết kế nghiên cứu, bao gồm qui trình
nghiên cứu, thiết kế nghiên cứu định tính, kết quả nghiên cứu định tính, thiết kế
nghiên cứu đinh lượng, tính toán số mẫu, kỹ thuật chọn mẫu, phương pháp tiếp cận
mẫu, bảng câu hỏi định lượng có nguồn gốc thang đo và loại thang đo cho đề bài Các
các phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học.
Mô hình và thang đo nghiên cứu sơ bộ sơ bộ của nhóm thông qua sự nhận xét,
góp ý và hướng dẫn của hai chuyên gia anh Phạm Xuân Thế và thầy Nguyễn Quốc
Hùng có một vài thay đổi về các biến so với mô hình ban đầu. Ghi nhận và tiếp thu
điều đó, nhóm đã chỉnh sửa và thay đổi mô hình cũng như thang đo nghiên cứu lại cho
phù hợp, và nhóm đã dùng bảng thang đo này làm ra bảng câu hỏi khảo sát chính thức
để thu thập dữ liệu. Tổng cộng có 25 biến quan sát dùng để xác định 5 nhân tố có tác
động đến 1 biến độc lập ý định của người dân Thành phố Hồ Chí Minh xem xét
trường hợp về việc sử dụng các phương án chẩn đoán/điều trị thông qua áp dụng AI
trong lĩnh vực y học. Cụ thể, đối với yếu tố Nhận thức hữu ích có 4 biến quan sát, yếu
tố Chuẩn chủ quan có 3 biến quan sát, yếu tố Độ tin cậy có 4 biến quan sát. Yếu tố
Kiến thức nhận thức có 3 biến quan sát, yếu tố Nhận thức rủi ro có 3 biến quan sát,
yếu tố Xu hướng phản kháng có 3 biến quan sát. Sau nghiên cứu định tính, nhóm
chuyển sang tiến hành việc nghiên cứu định lượng sơ bộ, chuẩn bị cho việc phân tích
dữ liệu như thứ nhất tính toán kích thước mẫu tối thiểu là 385 mẫu, thứ hai nhóm
phương pháp chọn mẫu mà nhóm sẽ sửu dụng là phương pháp lấy mẫu ngẫu nhiên
phân tầng chia thành 4 tầng theo đặc điểm nhóm tuổi: nhóm 1: dưới 18 tuổi, nhóm 2:
từ 19 - 30 tuổi, nhóm 3: từ 31 - 55 tuổi, nhóm 4: trên 55 tuổi; và sẽ thực hiện thu thập
mẫu qua 2 phương thức vừa trực tiếp vừa gián tiếp; cuối cùng là dựa trên mô hình và
thang đo nghiên cứu hoàn chỉnh để thiết kế ra bộ câu hỏi khảo sát.

Phần tiếp theo Chương 4 sẽ trình bày kết quả của nghiên cứu định lượng chính
thức nhằm để kiểm định mô hình nghiên cứu cùng với các giả thuyết.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU ĐỊNH LƯỢNG
4.1. Kết quả nghiên cứu

Bảng 4. 1: Thống kê mô tả
Đặc điểm Tần số (f) %
Giới tính
Nam 191 48,7
Nữ 201 51,3
Độ tuổi
Dưới 18 tuổi 93 23,7
Từ 18 – 30 tuổi 99 25,3
Từ 31 – 55 tuổi 148 37,8
Trên 55 tuổi 52 13,3
Trình độ học vấn
Trung học phổ thông 152 38,8
hoặc trở xuống
Đại học 206 52,6
Thạc sĩ 29 7,4
Tiến sĩ 5 1,3
Tình trạng hôn nhân
Độc thân 232 59,2
Đã kết hôn 160 40,8
Thu nhập
Từ 0 – 1.5 triệu 68 17,3
Từ 1.5 – 3 triệu 46 11,7

Từ 3 – 4.5 triệu 31 7,9
Từ 4.5 – 7.5 triệu 66 16,8
Từ 7.5 – 15 triệu 102 26,0
Trên 15 triệu 79 20,2
(Nguồn: tác giả tự tổng hợp)
4.1.1. Thống kê mô tả
4.1.1.1. Giới tính
Biểu đồ 4. 1: Thống kê mẫu khảo sát theo giới tính

Từ biểu đồ, ta có thể nhận thấy được rằng, trong 392 mẫu khảo sát thì có
48,72% đối tượng là nam và 51,28% đối tượng khảo sát là nữ. Kết quả cho thấy rằng,
số lượng nam và nữ xấp xỉ gần bằng nhau, điều này phản ánh gần đúng với thực tế về
tỷ lệ về giới tính trong dân số thành phố Hồ Chí Minh.

4.1.1.2. Độ tuổi
Biểu đồ 4. 2: Thống kê mẫu khảo sát theo độ tuổi

Xét về độ tuổi, biểu đồ cho thấy đối tượng khảo sát thuộc nhóm tuổi từ 31 – 55
tuổi chiếm tỷ trọng cao nhất với 37,76%. Đối tượng khảo sát thuộc nhóm tuổi trên 55
tuổi chiếm tỷ trọng ít nhất với 13,27%. Hai nhóm tuổi còn lại chiếm tỷ trọng xấp xỉ
nhau. Điều này phản ánh đúng với thực tế về tỷ lệ nhóm tuổi trong tổng thể dân số
thành phố Hồ Chí Minh.

4.1.1.3. Trình độ học vấn
Biểu đồ 4. 3: Thống kê mẫu khảo sát theo trình độ học vấn

Xét về trình độ học vấn, biểu đồ cho thấy đối tượng khảo sát thuộc nhóm Đại
học chiếm tỷ trọng cao nhất với 52,55%. Đối tượng khảo sát thuộc nhóm Tiến sĩ
chiếm tỷ trọng ít nhất với 1,28%. Đối tượng khảo sát thuộc nhóm Trung học phổ
thông hoặc trở xuống chiếm 38,78%. Đối tượng khảo sát thuộc nhóm Thạc sĩ chiếm
7,40%.
Khi thực hiện so sánh giá trị trung bình của nhân tố Kiến thức nhận thức giữa
các nhóm trình độ học vấn bằng SPSS thì ta thu được các bảng giá trị như sau:
Sig kiểm định Sig kiểm định F giữa

Levene dựa trên giá trị các nhóm bảng ANOVA
trung bình
Kiến thức nhận thức 0,132 0,001
(F_KN)

Bảng 4. 2: Kết quả so sánh giá trị trung bình Kiến thức nhận thức giữa các
nhóm Trình độ học vấn.
Vì Sig kiểm định Levene bằng 0,132 > 0,05 nên không có sự khác biệt phương
sai giữa các nhóm trình độ học vấn. Chúng ta sẽ sử dụng kết quả kiểm định F tại bảng
ANOVA. Sig kiểm định F bằng 0,001 < 0,05 nên có sự khác biệt trung bình F_KN
giữa các trình độ học vấn khác nhau. Như vậy, có sự khác biệt có ý nghĩa thống kê về
Kiến thức nhận thức về AI trong y học giữa các đối tượng khảo sát có trình độ học vấn
khác nhau.
4.1.1.4.Tình trạng hôn nhân
Biểu đồ 4. 4: Thống kê mẫu khảo sát theo tình trạng hôn nhân
Dựa theo biểu đồ, ta có thể thấy rằng, trong 392 khảo sát, nhóm đối tượng khảo
sát thuộc nhóm Độc thân chiếm tỷ trọng cao hơn với 59,18%. Nhóm đối tượng khảo
sát thuộc nhóm Đã kết hôn chiếm tỷ trọng thấp hơn với 40,82%.

4.1.1.5. Thu nhập
Biểu đồ 4. 5: Thống kê mẫu khảo sát theo thu nhập

Biểu đồ cho ta thấy được rằng nhóm đối tượng khảo sát có mức thu nhập từ 7.5 –
15 triệu đồng chiếm tỷ trọng cao nhất với 26,02%. Nhóm đối tượng khảo sát có mức
thu nhập từ 3 – 4.5 triệu đồng chiếm tỷ trọng thấp nhất với 7,91%. Các nhóm khác
chiếm tỷ trọng lần lượt là: Từ 0 – 1.5 triệu (17,35%); Từ 1.5 – 3 triệu (11,73%); Từ 15
triệu trở lên (20,15%).
4.1.2. Kiểm định độ tin cậy và phù hợp các thang đo
4.1.2.1. Thang đo Nhận thức hữu ích (HI)

Với thang đo Nhận thức hữu ích (HI) có hệ số Cronbach’s Alpha là 0,803 cao
hơn nhiều so với mức được yêu cầu là 0,6. Dưới đây là bảng kết quả kiểm định độ tin
cậy chi tiết của thang đo:
Bảng 4. 3: Kết quả Cronbach’s Alpha của thang đo Nhận thức hữu ích (HI)
Tương Cronbach’s
Mã biến Tên biến quan Alpha nếu loại
biến tổng bỏ biến

Các thiết bị AI sẽ giúp tôi đối phó với
HI1 các bệnh về sức khỏe và có thể phòng 0,638 0,743
ngừa được bệnh ở giai đoạn đầu.
Các thiết bị AI sẽ cung cấp thông tin và
HI2 hình ảnh chi tiết về tình trạng cơ thể của 0,668 0,727
tôi, điều này sẽ rất hữu ích cho tôi.
Các thiết bị AI sẽ giúp các tổ chức y tế
HI3 0,565 0,777
tăng hiệu suất khám chữa bệnh.
Các thiết bị AI sẽ là một bổ sung tốt
cho các phương pháp chăm sóc sức
HI4 0,598 0,762
khỏe truyền thống và phù hợp với triết
lý y tế của tôi
Cronbach’s Alpha = 0,803
Từ bảng ta có thể thấy, hệ số Cronbach’s Alpha nếu loại bỏ biến đều nhỏ hơn
mức tin cậy là 0,803. Các hệ số tương quan biến tổng (Corrected Item-Total
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là HI3. Do đó, tất cả các biến
quan sát đều được giữ lại và đủ điều kiện để phân tích các nhân tố EFA tiếp theo.
4.1.2.2. Thang đo Chuẩn chủ quan (CQ)

Với thang đo Chuẩn chủ quan (CQ) có hệ số Cronbach’s Alpha là 0,841 cao
Bảng 4. 4: Kết quả Cronbach’s Alpha của thang đo Chuẩn chủ quan (CQ)
Mã biến Tên biến quan biến Alpha nếu loại
tổng bỏ biến
Những người quan trọng với tôi (người
nhà, người thân và bạn thân) nghĩ rằng
CQ1 tôi nên sử dụng các dịch vụ áp dụng AI 0,657 0,825
trong y học để chẩn đoán, khám, chữa
bệnh.
Đồng nghiệp hoặc đồng nghiệp của tôi
nghĩ rằng tôi nên sử dụng các dịch vụ
CQ2 0,759 0,727
áp dụng AI trong y học để chẩn đoán,
khám, chữa bệnh.
Lãnh đạo hoặc cấp trên của tôi nghĩ
rằng tôi nên sử dụng các dịch vụ áp
CQ3 0,709 0,780
dụng AI trong y học để chẩn đoán,
khám, chữa bệnh.

Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là CQ1. Do đó, tất cả các
biến quan sát đều được giữ lại và đủ điều kiện để phân tích các nhân tố EFA tiếp theo.
4.1.2.3. Thang đo Độ tin cậy (TC)

Với thang đo Độ tin cậy (TC) có hệ số Cronbach’s Alpha là 0,696 cao hơn so
với mức được yêu cầu là 0,6. Dưới đây là bảng kết quả kiểm định độ tin cậy chi tiết
của thang đo:
Bảng 4. 5: Kết quả Cronbach’s Alpha của thang đo Độ tin cậy (TC)
Mã biến Tên biến Tương Cronbach’s
quan biến Alpha nếu loại
tổng bỏ biến
TC1 Tôi xem bác sĩ/bệnh viện cung cấp dịch 0,476 0,637
vụ khám chữa bệnh bằng AI là tiến bộ
và đổi mới
TC2 Bác sĩ/bệnh viện cung cấp dịch vụ 0,496 0,623
khám chữa bệnh bằng AI hiểu rõ tình
trạng bệnh nhân và hướng đến bệnh
nhân.
TC3 Tôi coi bác sĩ/bệnh viện cung cấp dịch 0,489 0,629
vụ khám chữa bệnh bằng AI sẽ tạo môi
trường khám chữa bệnh dễ chịu.
TC4 Theo ý kiến của tôi, bác sĩ/bệnh viện 0,469 0,640
cung cấp dịch vụ khám chữa bệnh bằng
AI là đáng tôn trọng và đáng tin cậy
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là TC4. Do đó, tất cả các biến
4.1.2.4. Thang đó Kiến thức nhận thức (KN)

Với thang đo Kiến thức nhận thức (KN) có hệ số Cronbach’s Alpha là 0,777
cao hơn nhiều so với mức được yêu cầu là 0,6. Dưới đây là bảng kết quả kiểm định độ

tin cậy chi tiết của thang đo:
Bảng 4. 6: Kết quả Cronbach’s Alpha của thang đo Kiến thức nhận thức (KN)
Mã biến Tên biến Tương Cronbach’s
quan biến Alpha nếu loại
tổng bỏ biến
KN1 Nói chung, tôi quen thuộc với khái 0,425 0,877
niệm công nghệ.
KN2 Tôi cảm thấy tự tin về hiểu biết của 0,773 0,511
mình về các công nghệ sử dụng trong
lĩnh vực y tế.
KN3 Tôi cảm thấy tự tin khi mô tả các công 0,680 0,624
nghệ sử dụng trong lĩnh vực y tế cho
một người bạn.
Từ bảng ta có thể thấy, biến quan sát KN1 có hệ số Cronbach’s Alpha nếu loại
bỏ biến (Cronbach's Alpha if Item Deleted) là 0,877 lớn hơn hệ số Cronbach’s Alpha
của thang đo KN là 0,777. Tuy nhiên, hệ số tương quan biến tổng (Corrected Item-
Total Correlation) của biến là 0,425 > 0,3 và Cronbach’s Alpha của thang đo đã trên
0,6, thậm chỉ trên 0,7. Do đó, không cần thiết phải loại bỏ biến KN1 trong trường hợp
này. Các biến quan sát còn lại đều có giá trị hệ số tương quan biến tổng > 0,3. Do đó,
tất cả các biến quan sát đều được giữ lại và đủ điều kiện để phân tích các nhân tố EFA
tiếp theo.
4.1.2.5. Thang đo Nhận thức rủi ro (RR)

Với thang đo Nhận thức rủi ro (RR) có hệ số Cronbach’s Alpha là 0,791 cao
Bảng 4. 7: Kết quả Cronbach’s Alpha của thang đo Nhận thức rủi ro (RR)
tổng bỏ biến
RR1 Các thiết bị dựa trên AI không phù hợp 0,604 0,747
với thực hành y tế truyền thống, tạo nên
sự mơ hồ về tính an toàn và hiệu quả
của thiết bị AI trong thăm khám sức

khỏe.
Tôi nghĩ rằng việc sử dụng AI cho công
việc chẩn đoán lâm sàng của mình sẽ
RR2 0,707 0,638
khiến bệnh nhân của tôi gặp rủi ro
(giảm sự an toàn cho bệnh nhân).
Tôi nghĩ rằng việc sử dụng AI trong y
RR3 tế sẽ gây rủi ro cho quyền riêng tư của 0,590 0,760
bệnh nhân của tôi.
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là RR3. Do đó, tất cả các biến
4.1.2.6. Thang đo Xu hướng phản kháng (PK)

Với thang đo Xu hướng phản kháng (PK) có hệ số Cronbach’s Alpha là 0,805
cao hơn nhiều so với mức được yêu cầu là 0,6. Dưới đây là bảng kết quả kiểm định độ
tin cậy chi tiết của thang đo:
Bảng 4. 8: Kết quả Cronbach’s Alpha của thang đo Xu hướng phản kháng (PK)
Cronbach’s
Tương quan
Mã biến Tên biến Alpha nếu loại
biến tổng
bỏ biến
Tôi không muốn các thiết bị AI trong
y học thay đổi cách tôi được khám,
PK1 0,701 0,681
chữa bệnh vì tôi thấy phiền và chúng
không quen thuộc với tôi.
Tôi không muốn sử dụng các thiết bị
AI trong y học vì theo kinh nghiệm
PK2 trước đây, các sản phẩm công nghệ 0,646 0,744
cao mới này luôn thất bại trong các
ứng dụng thực tế.
PK3 Tôi có thể hối tiếc khi cố gắng sử 0,621 0,769
dụng các thiết bị AI này vì chúng có
thể lãng phí thời gian và công sức
của tôi.
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là PK3. Do đó, tất cả các biến
4.1.2.7. Thang đo Ý định sử dụng (YD)

Với thang đo Ý định sử dụng (YD) có hệ số Cronbach’s Alpha là 0,864 cao
Bảng 4. 9: Kết quả Cronbach’s Alpha của thang đo Ý định sử dụng (YD)
tổng bỏ biến
Tôi dự định sử dụng các thiết bị AI
YD1 trong tương lai là lựa chọn đầu tiên của 0,726 0,822
mình nếu tôi cảm thấy không khỏe.
Tôi sẽ khuyến khích bạn bè/người thân
YD2 của mình sử dụng thiết bị AI trước nếu 0,821 0,730
họ cảm thấy không được khỏe.
Tôi sẽ khuyến khích những người khỏe
YD3 mạnh sử dụng các thiết bị AI để kiểm 0,682 0,861
tra sức khỏe định kỳ.
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là YD3. Do đó, tất cả các
biến quan sát đều được giữ lại và đủ điều kiện để phân tích các nhân tố EFA tiếp theo.

4.1.3. Phân tích nhân tố khám phá EFA các biến độc lập
4.1.3.1. Kết quả kiểm định KMO

Bảng 4. 10: Kết quả kiểm định KMO biến độc lập
Giá trị Kết quả Đánh giá
KMO 0,858 Chấp nhận
Sig 0,000 Chấp nhận
Từ bảng ta có thể thấy rằng KMO = 0,858 > 0,5 và kiểm định Bartlett Sig =
0,000 cho thấy các nhân tố trong mô hình có độ kết dính nhau và phân tích nhân tố
khám phá EFA là phù hợp.
4.1.3.2. Ma trận hợp phần xoay

Bảng 4. 11: Ma trận hợp phần xoay biến độc lập
Thành phần
1 2 3 4 5
PK1 0,776
RR2 0,764
RR1 0,757
PK2 0,733
RR3 0,705
PK3 0,702
HI3 0,797
HI2 0,736
HI1 0,714
HI4 0,618
CQ2 0,852
CQ3 0,841
CQ1 0,743
KN2 0,884
KN3 0,843
KN1 0,689
TC4 0,814
TC1 0,654
TC3 0,562
TC2 0,515
Năm nhân tố tác động đến Ý định sử dụng được mô tả như sau:

- Nhân tố 1 bao gồm 3 biến quan sát của thang đo Xu hướng phản kháng và 3
biến quan sát của thang đo Nhận thức rủi ro. Nhận thấy điểm chung của hai
thang đo này là các biến có tác động tiêu cực. Do đó, 6 biến này tạo thành
nhân tố mới Nhận thức tiêu cực (NE).
- Nhân tố 2 gồm 4 biến quan sát của thành phần “Nhận thức hữu ích”. Do đó,
tên gọi của nhân tố này sẽ được giữ nguyên là Nhận thức hữu ích và có ký
hiệu là HI.
- Nhân tố 3 gồm 3 biến quan sát của thành phần “Chuẩn chủ quan”. Do đó,
tên gọi của nhân tố này sẽ được giữ nguyên là Chuẩn chủ quan và có ký
hiệu là CQ.
- Nhân tố 4 gồm 3 biến quan sát của thành phần “Kiến thức nhận thức”. Do
đó, tên gọi của nhân tố này sẽ được giữ nguyên là Kiến thức nhận thức và
có ký hiệu là KN.
- Nhân tố 5 gồm 4 biến quan sát của thành phần “Độ tin cậy”. Do đó, tên gọi
của nhân tố này sẽ được giữ nguyên là Độ tin cậy và có ký hiệu là TC.
* Thành lập nhân tố mới Nhận thức tiêu cực (NE)
Sau khi thực hiện phân tích nhân tố khám phá EFA, nhóm nghiên cứu quyết định
thành lập nhân tố mới Nhận thức tiêu cực thay thế cho 2 biến Nhận thức rủi ro và Xu
hướng phản kháng đã đề xuất ban đầu.
Nhận thức tiêu cực được nhắc đến như những niềm tin mang tác động tiêu cực
(Robertson, DA, King-Kallimanis, BL, & Kenny, RA, 2016). Trong bài nghiên cứu
này, nhận thức tiêu cực bao gồm các nhận thức về rủi ro (hiệu suất, tài chính, thời
gian, tâm lý, xã hội, quyền riêng tư, rủi ro tổng thể,…) và các nhận thức về xu hướng
phản kháng (tránh hối tiếc, chống lại sự thay đổi, quán tính). Các nghiên cứu trước
đây đã cho thấy kết quả ràng nhận thức rủi ro và xu hướng phản kháng có tác động
tiêu cực đến ý định sử dụng của người dùng.
Từ những lý thuyết trên, giả thuyết được đề xuất là:
H5: Nhận thức tiêu cực cao hơn có ảnh hưởng tiêu cực đến ý định sử dụng thiết
bị AI trong khám chữa bệnh của công chúng.

Như vậy, các giả thuyết của bài nghiên cứu sẽ bao gồm:
Bảng 4. 12: Hệ thống giả thuyết sau phân tích EFA của bài nghiên cứu
Nhận thức H1: Nhận thức về tính hữu ích ảnh hưởng tích cực đến ý định sử
hữu ích (HI) dụng AI trong y học của người dân.
Chuẩn chủ H2: Các chuẩn mực chủ quan ảnh hưởng tích cực đến ý định sử dụng
quan (CQ) trực tiếp các thiết bị AI của công chúng.
Độ tin cậy H3: Độ tin cậy của các cá nhân/tổ chức thực hiện chẩn đoán/điều trị
(TC) bằng phương pháp AI có ảnh hưởng tích cực đến ý định sử dụng các
thiết bị AI trong khám chữa bệnh của công chúng.
Kiến thức H4: Kiến thức nhận thức cao hơn về sử dụng công nghệ trong y học
nhận thức có ảnh hưởng tích cực đến ý định sử dụng các thiết bị AI trong khám
(KN) chữa bệnh của công chúng.
Nhận thức H5: Nhận thức tiêu cực cao hơn có ảnh hưởng tiêu cực đến ý định sử
tiêu cực dụng các thiết bị AI trong khám chữa bệnh của công chúng.
(NE)
* Kiểm định lại độ tin cậy và phù hợp của nhân tố mới Nhận thức tiêu cực (NE)
Thang đo nhân tố mới Nhận thức tiêu cực (NE) có hệ số Cronbach’s Alpha là
0,866 cao hơn nhiều so với mức được yêu cầu là 0,6. Dưới đây là bảng kết quả kiểm
định độ tin cậy chi tiết của thang đo:
Bảng 4. 13: Kết quả Cronbach’s Alpha của thang đo nhân tố mới Nhận thức tiêu
cực (NE)
tổng bỏ biến
Các thiết bị dựa trên AI không phù hợp
với thực hành y tế truyền thống, tạo nên
RR1 sự mơ hồ về tính an toàn và hiệu quả 0,706 0,836
của thiết bị AI trong thăm khám sức
khỏe.
Tôi nghĩ rằng việc sử dụng AI cho công
việc chẩn đoán lâm sàng của mình sẽ
RR2 0,691 0,839
khiến bệnh nhân của tôi gặp rủi ro
(giảm sự an toàn cho bệnh nhân).
RR3 Tôi nghĩ rằng việc sử dụng AI trong y 0,568 0,860

tế sẽ gây rủi ro cho quyền riêng tư của
bệnh nhân của tôi.
Tôi không muốn các thiết bị AI trong y
học thay đổi cách tôi được khám, chữa
PK1 0,721 0,833
bệnh vì tôi thấy phiền và chúng không
quen thuộc với tôi.
Tôi không muốn sử dụng các thiết bị AI
trong y học vì theo kinh nghiệm trước
PK2 đây, các sản phẩm công nghệ cao mới 0,683 0,840
này luôn thất bại trong các ứng dụng
thực tế.
Tôi có thể hối tiếc khi cố gắng sử dụng
PK3 các thiết bị AI này vì chúng có thể lãng 0,611 0,852
phí thời gian và công sức của tôi.
Correlation) đều có giá trị lớn hơn 0,3 và hệ số nhỏ nhất là RR3.
4.1.4. Phân tích nhân tố khám phá EFA các biến phụ thuộc
4.1.4.1. Kết quả kiểm định KMO
Giá trị Kết quả Đánh giá

KMO 0,692 Chấp nhận
Sig 0,000 Chấp nhận
Bảng 4. 14: Kết quả kiểm định KMO biến phụ thuộc
Từ bảng trên, ta có thể thấy rằng, hệ số KMO = 0,692 > 0,5 cho thấy nhân tố
phân tích thích hợp với mô hình dữ liệu nghiên cứu. Giá trị kiểm định Bartlett Sig =
0,000 cho thấy các biến quan sát của thang đo có sự kết dịnh và có mối quan hệ tương
quan tuyến tính có ý nghĩa thống kê.
4.1.4.2. Ma trận hợp phần xoay
Nhân tố
Tên thành phần Biến quan sát
1
Ý định sử dụng YD1 0,928

YD2 0,878
YD3 0,851
Eigenvalues 2,357
Phương sai tích lũy 78,568%
Bảng 4. 15: Ma trận hợp phần xoay biến phụ thuộc

Bảng kết quả trên cho thấy mức giá trị Eigenvalues = 2.357 > 1, nhân tố rút ra ý
nghĩa tóm tắt thông tin tốt nhất và tổng cộng có 1 nhân tố được hình thành. Phương sai
tích lũy là 78,568% > 50%. Nhân tố này giải thích được 78,568% biến thiên dữ liệu.
Hệ tố tải (Factor loading) của từng biến đều lớn hơn 0,5. Do đó, thang đo đủ điều kiện
để thực hiện các bước phân tích tiếp theo.
Tóm lại, sau khi phân tích kết quả nhân tố khám phá của cả 7 biến độc lập và
biến phụ thuộc thì ta thu được cấu trúc nhân tố như bảng dưới đây:
Bảng 4. 16: Cấu trúc nhân tố thu được sau phân tích nhân tố khám phá EFA
Biến đại
Nhân tố Biến quan sát Tên nhân tố
diện
PK1, PK2, PK3, RR1, RR2,
1 Nhận thức tiêu cực F_NE
RR3
2 HI1, HI2, HI3, HI4 Nhận thức hữu ích F_HI
3 CQ1, CQ2, CQ3 Chuẩn chủ quan F_CQ
4 KN1, KN2, KN3 Kiến thức nhận thức F_KN
5 TC1, TC2, TC3, TC4 Độ tin cậy F_TC
6 YD1, YD2, YD3 Ý định sử dụng F_YD
4.1.5. Phân tích tương quan
4.1.5.1. Tính xác đáng của mô hình
R bình phương Sai số chuẩn

Mô hình R R bình phương
hiệu chỉnh ước lượng
1 0,842a 0,708 0,705 0,42092
Bảng 4. 17: Tính xác đáng của mô hình

Dựa vào kết quả trên, mức độ phù hợp của mô hình khá tốt với R = 0,842; R
bình phương bằng 0,708 và R bình phương hiệu chỉnh bằng 0,705. Điều này có nghĩa
là 70,5% ý định sử dụng được giải thích bởi 5 biến độc lập trên.
4.1.5.2. Sự phù hợp của lý thuyết trong việc phân tích hồi quy
Mô hình F Sig.
1. Regression 187,588 0,000b
Bảng 4. 18: Anova của mô hình
Từ bảng trên, ta thấy giá trị Sig kiểm định F = 0,000 < 0,05. Do đó, mô hình
hồi quy có ý nghĩa.
4.1.5.3. Hồi quy bội
Hệ số hồi
Hệ số hồi quy chưa chuẩn
quy chuẩn Thống kê đa
Model hóa Sig.
hóa cộng tuyến
Beta Sai số chuẩn Beta
Hàng số 3,617 0,279 0,000
F_HI 0,114 0,042 0,096 0,007 1,642
F_CQ 0,146 0,030 0,160 0,000 1,401
F_TC 0,182 0,055 0,115 0,001 1,602
F_KN 0,024 0,028 0,026 0,382 1,172
F_NE -0,724 0,037 -0,644 0,000 1,464
Bảng 4. 19: Hệ số tương quan của mô hình

Dựa vào kết quả trên, ta có những nhận xét sau:
- Các giá trị VIF < 2 cho thấy không có sự đa cộng tuyến xảy ra.
- Biến F_HI – Nhận thức hữu ích có Sig = 0,007 < 0,05 chứng tỏ có ý nghĩa
thống kê và hệ số hồi quy là 0,096 mang dấu (+) nên biến Nhận thức hữu
ích có tác động cùng chiều lên biến Ý định sử dụng.

- Biến F_CQ – Chuẩn chủ quan có Sig = 0,000 < 0,05 chứng tỏ có ý nghĩa
thống kê và hệ số hồi quy là 0,160 mang dấu (+) nên biến Chuẩn chủ quan
có tác động cùng chiều lên biến Ý định sử dụng.
- Biến F_TC – Độ tin cậy có Sig = 0,001 < 0,05 chứng tỏ có ý nghĩa thống kê
và hệ số hồi quy là 0,115 mang dấu (+) nên biến Độ tin cậy có tác động
cùng chiều lên biến Ý định sử dụng.
- Biến F_KN – Kiến thức nhận thức có Sig = 0,382 > 0,05 chứng tỏ không có
ý nghĩa thống kê nên biến Kiến thức nhận thức không có tác động lên biến
Ý định sử dụng.
- Biến F_NE – Nhận thức tiêu cực có Sig = 0,000 < 0,05 chứng tỏ có ý nghĩa
thống kê và hệ số hồi quy là -0,644 mang dấu (-) nên biến Nhận thức tiêu
cực bao gồm Nhận thức rủi ro và Xu hướng phản kháng có tác động ngược
chiều lên biến Ý định sử dụng.
Như vậy, dựa trên bảng kết quả, ta có phương trình hồi quy như sau:
F_YD = 3,617 + 0,114*F_HI + 0,146*F_CQ + 0,182*F_TC – 0,724*F_NE
Trong đó: F_YD là biến phụ thuộc Ý định sử dụng
Các biến độc lập bao gồm: F_HI – Nhận thức hữu ích; F_CQ – Chuẩn chủ quan;
F_TC – Độ tin cậy; F_NE – Nhận thức tiêu cực
Bảng 4. 20: Kết quả kiểm định các giả thuyết

Kết
Các giả thuyết Sig.
quả
Chấp
H1: Nhận thức về tính hữu ích ảnh hưởng tích cực đến ý định sử
0,007 nhận
dụng AI trong y học của người dân.
Chấp
H2: Các chuẩn mực chủ quan ảnh hưởng tích cực đến ý định sử
0,000 nhận
dụng trực tiếp các thiết bị AI của công chúng.
H3: Độ tin cậy của các cá nhân/tổ chức thực hiện chẩn đoán/điều Chấp
trị bằng phương pháp AI có ảnh hưởng tích cực đến ý định sử 0,001 nhận
dụng các thiết bị AI trong khám chữa bệnh của công chúng.
H4: Kiến thức nhận thức cao hơn về sử dụng công nghệ trong y
học có ảnh hưởng tích cực đến ý định sử dụng các thiết bị AI 0,382 Bác bỏ
trong khám chữa bệnh của công chúng.
H5: Nhận thức tiêu cực cao hơn có ảnh hưởng tiêu cực đến ý 0,000 Chấp
định sử dụng các thiết bị AI trong khám chữa bệnh của công nhận
chúng.
4.1.6. Thống kê mô tả các thang đo

Bảng 4. 21: Kết quả thống kê mô tả các thang đo
Mã Hệ số Nhỏ Lớn Trung Độ lệch
Khái niệm
hóa chuẩn hóa nhất nhất bình chuẩn
Nhận thức
HI 0,096 2,00 5,00 4,0013 0,65108
hữu ích
Chuẩn chủ
CQ 0,160 1,00 5,00 3,3886 0,84929
quan
Độ tin cậy TC 0,115 2,75 5,00 3,9598 0,48948
Nhận thức
NE -0,644 1,00 5,00 3,5935 0,77455
tiêu cực
Ý định sử
YD 1,00 4,33 2,4456 0,68838
dụng
Từ các kết quả nghiên cứu có thể thấy được rằng, các nhân tố Nhận thức hữu ích,
Chuẩn chủ quan, Độ tin cậy đều có sự tương quan tích cực đến Ý định sử dụng của
người dân. Nhân tố Nhận thức tiêu cực có sự tương quan tiêu cực đến Ý định sử dụng
của người dân. Kết quả này có sự trùng hợp với các nghiên cứu trước đây như nghiên
cứu của Pouyan Esmaeilzadeh (2020), Tiantian Ye và cộng sự (2019), M.Sridhar và
Ajay Mehta (2018). Mà theo đó, kết quả hồi quy chỉ ra rằng Nhận thức hữu ích và
Chuẩn chủ quan có tác động tích cực đến ý định sử dụng các thiết bị AI nhãn khoa của
công chúng một cách trực tiếp. Xu hướng phản kháng có tác động tiêu cực đến ý định
sử dụng các thiết bị AI nhãn khoa của công chúng (Ye T, Xue J, He M, Gu J, Lin H,
Xu B, Cheng Y, 2019). Một nghiên cứu khác cho thấy kết quả rằng Nhận thức rủi ro
có ảnh hưởng tiêu cực đến ý định sử dụng các công cụ dựa trên AI của cá nhân
(Esmaeilzadeh P. , 2020). Các nghiên cứu cũng cho thấy rằng độ tin cậy từ tổ chức
cung cấp dịch vụ có tác động tích cực đến ý định sử dụng/mua của người dùng. “Danh
tiếng của tổ chức có ảnh hưởng tích cực đến ý định mua chéo” (M. Sridhar, Ajay
Mehta, 2018).

Trong các nhân tố có tác động tích cực đến ý định sử dụng của công chúng thì
mức độ ảnh hưởng từ cao xuống thấp lần lượt là Độ tin cậy, Chuẩn chủ quan và Nhận
thức hữu ích.
4.1.6.1. Nhận thức hữu ích (HI)

Từ bảng trên, có thể thấy rằng trong các nhân tốc trong mô hình, Nhận thức hữu
ích có tác động yếu nhất đến ý định sử dụng các phương án khám chữa bệnh bằng AI
của công chúng. Với giá trị trung bình cao nhất Mean = 4,0013, đa phần các đáp viên
đều nhận thức tích cực về tính hữu ích của AI. Trong đó, biến HI3 “ Các thiết bị AI sẽ
giúp các tổ chức y tế tăng hiệu suất khám chữa bệnh.” đạt Mean = 4,15.
4.1.6.2. Chuẩn chủ quan (CQ)

Tiếp theo là nhân tố Chuẩn chủ quan với Mean = 3,3886, biến CQ1 “Những
người quan trọng với tôi (người nhà, người thân và bạn thân) nghĩ rằng tôi nên sử
dụng các dịch vụ áp dụng AI trong y học để chẩn đoán, khám, chữa bệnh.” đạt Mean
= 3,54.
4.1.6.3. Độ tin cậy (TC)

Nhân tố Sự tin cậy có giá trị trung bình lớn thứ hai với Mean = 3,9598. Trong
đó, biến TC1 “Tôi xem bác sĩ/bệnh viện cung cấp dịch vụ khám chữa bệnh bằng AI là
tiến bộ và đổi mới” có giá trị trung bình cao nhất với Mean = 4,17.
4.1.6.4. Nhận thức tiêu cực (NE)

Nhân tố Nhận thức tiêu cực (NE) có giá trị trung bình Mean = 3,5935. Biến RR3
“Tôi nghĩ rằng việc sử dụng AI trong y tế sẽ gây rủi ro cho quyền riêng tư của bệnh
nhân của tôi” có giá trị trung bình cao nhất với Mean = 2,97.
4.1.6.5. Ý định sử dụng (YD)

Nhân tố Ý định sử dụng (YD) có giá trị trung bình Mean = 2,4456. Biến YD1
“Tôi dự định sử dụng các thiết bị AI trong tương lai là lựa chọn đầu tiên của mình nếu
tôi cảm thấy không khỏe” có giá trị trung bình cao nhất với Mean = 3,70.

4.2. Kết luận nghiên cứu
Sau khi áp dụng thang đo vào việc đánh giá các yếu tố ảnh hưởng đến ý định sử
dụng các phương án khám chữa bệnh bằng các thiết bị AI, nhóm nghiên cứu đã khẳng
định lại vai trò của 6 nhóm nhân tố tác động đến ý định sử dụng các phương thức
khám chữa bệnh bằng AI của người dân thành phố Hồ Chí Minh. Các nhân tố bao
gồm: Nhận thức hữu ích, Chuẩn chủ quan, Độ tin cậy, Kiến thức nhận thức, Xu hướng
phản kháng và Nhận thức rủi ro. Theo như kết quả nghiên cứu, một số biến và giả
thuyết bị bác bỏ. Các nhân tố tác động đến ý định sử dụng phương thức khám chữa
bệnh bằng AI của người dân bao gồm nhận thức hữu ích, chuẩn chủ quan, độ tin cậy
và nhận thức tiêu cực. Nhận thức tiêu cực có tác động ngược chiều đến ý định sử dụng
(beta = -0,644), còn 3 nhân tố còn lại đều có tác động cùng chiều đến ý định sử dụng.
Trong đó, nhân tố nhận thức hữu ích có mức tác động thấp nhất (beta = 0,096) và
nhân tố chuẩn chủ quan có mức độ tác động cao nhất (beta = 0,160).
Hình 4. 1: Kết quả nghiên cứu

Các kết quả mà nhóm nghiên cứu đã phát hiện được trình bày ở chương 4. Sau
khi thu thập, sàng lọc và phân tích dữ liệu, các kết quả Cronbach’s Alpha đều đạt đến

các giá trị tin cậy. Phân tích nhân tố khám phá EFA, xuất hiện nhân tố mới Nhận thức
tiêu cực bao gồm 2 biến Nhận thức rủi ro và Xu hướng phản kháng, hình thành nhân
tố mới và giả thuyết mới. Đến các phân tích tương quan và hồi quy tuyến tính, kết quả
nhận được đều ra các chỉ số mang tính thống kê cao, từ đó, kết luận mô hình nghiên
cứu và các giả thuyết được chấp nhận.

CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT
5.1. Nhận xét
Nhóm đã xây dựng cơ sở lý thuyết và nghiên cứu các nhân tố ảnh hưởng đến ý
định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn đoán/
Điều trị thông qua áp dụng AI trong lĩnh vực y học. Mô hình xây dựng gồm 6 yếu tố
ảnh hưởng trực tiếp đến ý định và quyết định của người dân bao gồm: (1) Nhận thức
hữu ích (Perceived usefulness –PU), (2) Chuẩn mực chủ quan (Subjective norms –
SN), (3) Nhận thức kiểm soát hành vi (Perceived behavioral control – PBC), Ý thức
về sức khỏe (Health consciousness – HC), (5) Nhận thức rủi ro (Perceived risks –PR),
(6) Xu hướng kháng cự (Resistance bias –RB).
Qua phân tích dữ liệu SPSS, hồi quy thì còn 4 nhân tố ảnh hưởng đến ý định và
quyết định của người dân TP. HCM về việc sử dụng các phương án chẩn đoán/ điều
trị thông qua áp dụng AI trong lĩnh vực y học theo thứ tự như sau: Yếu tố Nhận thức
tiêu cực (𝛽=-0.644) có tác động mạnh nhất, Yếu tố Chuẩn chủ quan (𝛽=0.160) có tác
động mạnh thứ hai, Yếu tố Độ tin cậy (𝛽=0.115) có tác động mạnh thứ ba, Yếu tố
Nhận thức Hữu ích (𝛽=0.096) có tác động mạnh thứ tư trong đề tài nghiên cứu về các
phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học. Qua kết quả
nghiên cứu cũng cho thấy có sự khác nhau trong quyết định của người dân TP.HCM
về việc sử dụng phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y
học giữa nhóm đáp viên khác nhau về giới tính, độ tuổi, trình độ học vấn, trình trạng
hôn nhân, thu nhập trung bình.
Thông qua các kết quả và mục tiêu đạt từ quá trình nghiên cứu, nghiên cứu này
là Đề xuất một số hàm ý quản trị nhằm góp phần nâng cao các tác động tích cực đến
quyết định định của người dân TP. HCM về việc sử dụng các phương án chẩn đoán/
điều trị thông qua áp dụng AI.
5.2. Tính ứng dụng của đề tài nghiên cứu

Qua những kết quả trên, bài nghiên cứu có những ý nghĩa và giá trị rộng rãi về
mặt lý luận khoa học và ứng dụng thực tiễn.
Về mặt lý luận, đề tài nghiên cứu về các nhân tố ảnh hưởng đến ý định và quyết
định của người dân TP. Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/điều
trị thông qua áp dụng AI trong lĩnh vực y học có ý nghĩa to lớn. Đây là một đề tài
nghiên cứu mới và hứa hẹn đem lại nhiều kết quả quan trọng về cách mà con người
tương tác với công nghệ trong lĩnh vực y tế. Cụ thể, đề tài này có thể giúp tăng cường
sự hiểu biết về cách mà người dân TP. Hồ Chí Minh đánh giá và lựa chọn sử dụng các
phương án chẩn đoán/điều trị dựa trên AI. Kết quả nghiên cứu cũng có thể cung cấp
thông tin hữu ích cho các chuyên gia y tế, nhà quản lý y tế và các nhà cung cấp dịch
vụ y tế để tăng cường quản lý và phát triển các dịch vụ y tế thông qua sử dụng công
nghệ AI. Ngoài ra, đề tài này cũng có thể cung cấp thông tin quan trọng cho các nhà
nghiên cứu về lĩnh vực trí tuệ nhân tạo và y học để phát triển các công nghệ và ứng
dụng mới trong lĩnh vực này.
Về mặt thực tiễn, đề tài này có ý nghĩa rất lớn đối với việc cải thiện chất lượng
dịch vụ y tế và đáp ứng nhu cầu sức khỏe của người dân trong thời đại 4.0. Công nghệ
trí tuệ nhân tạo đang được áp dụng ngày càng rộng rãi trong lĩnh vực y tế để hỗ trợ
chẩn đoán, điều trị và dự báo bệnh tật. Việc nghiên cứu về các nhân tố ảnh hưởng đến
ý định và quyết định của người dân sử dụng các phương án chẩn đoán/điều trị thông
qua áp dụng AI trong lĩnh vực y học sẽ giúp xác định các yếu tố cần được cải thiện và
tăng cường độ tin cậy và sự chấp nhận của người dân đối với việc sử dụng công nghệ
AI trong y tế.
5.3. Hàm ý quản trị
Từ kết quả kiểm định mô hình nghiên cứu, nhóm sẽ xem xét mức độ ảnh hưởng
của các biến “Nhận thức tiêu cực”, “Chuẩn chủ quan”, “Độ tin cậy”, “Nhận thức Hữu
ích”, “Kiến thức nhận thức”, đến biến “ Ý định sử dụng” để rút ra hàm ý quản trị
nhằm góp phần nâng cao các tác động tích cực đến quyết định định của người dân TP.
Hồ Chí Minh về việc sử dụng các phương án chẩn đoán/ điều trị thông qua áp dụng
AI.

5.3.1. Nhận thức tiêu cực (NE)
Đây là nhóm nhân tố tác động mạnh mẽ nhất đến quyết đến ý định và quyết định
của người dân TP.HCM về việc sử dụng các phương án chẩn đoán /điều trị thông qua
áp dụng AI trong lĩnh vực y học với hệ số 𝛽= -0.644. Kết quả này cho thấy rằng nhóm
nhân tố được nghiên cứu trong đề tài có tác động mạnh mẽ và có mối quan hệ âm với
ý định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn
đoán /điều trị thông qua áp dụng AI trong lĩnh vực y học. Giá trị âm của hệ số này cho
thấy rằng khi những nhân tố này tăng thì ý định và quyết định của người dân sử dụng
các phương án chẩn đoán /điều trị thông qua AI trong y học giảm.
Việc giảm nhận thức tiêu cực có nhiều ý nghĩa quan trọng. Đầu tiên, nó giúp
tăng khả năng chấp nhận và sử dụng các công nghệ y tế mới, đặc biệt là sử dụng AI
trong lĩnh vực y tế. Khi một người có nhận thức tiêu cực về công nghệ y tế, họ có thể
bị sợ hãi hoặc lo lắng về việc sử dụng các công nghệ mới và không chấp nhận chúng,
điều này có thể làm giảm hiệu quả của các phương pháp chẩn đoán và điều trị mới.
Thứ hai, việc giảm nhận thức tiêu cực có thể giúp tăng sự tin tưởng của người dân vào
các phương pháp chẩn đoán và điều trị dựa trên AI. Khi người dân tin tưởng vào các
phương pháp mới, họ có thể dễ dàng chấp nhận và sử dụng chúng, từ đó giúp tăng khả
năng chẩn đoán chính xác và cải thiện sức khỏe của người dân. Cuối cùng, việc giảm
nhận thức tiêu cực còn có thể giúp tạo ra một môi trường thuận lợi cho các nhà nghiên
cứu và các chuyên gia y tế để phát triển các công nghệ mới và đưa chúng vào sử dụng.
Khi một công nghệ y tế mới được chấp nhận và sử dụng rộng rãi, nó có thể giúp cải
thiện sức khỏe của người dân và làm giảm chi phí cho hệ thống y tế.
Một số giải pháp được nhóm nghiên cứu đề xuất như sau:
- Tăng cường giáo dục và thông tin: Cần phải giải thích rõ ràng về cách thức
hoạt động của công nghệ AI trong y học, tiềm năng và giới hạn của công nghệ này.
Ngoài ra, cần cung cấp thông tin về các ứng dụng thực tế của công nghệ AI trong y
học, những lợi ích mà nó mang lại và cách thức sử dụng công nghệ AI một cách đúng
đắn và an toàn. Tăng cường giáo dục và thông tin cho người dân sẽ giúp họ hiểu rõ
hơn về công nghệ AI và giảm sự lo ngại và nghi ngờ của họ.

- Tạo ra các chương trình đào tạo và huấn luyện cho các chuyên gia y tế: Các
chuyên gia y tế, như bác sĩ, y tá, kỹ thuật viên hình ảnh, nên được đào tạo về công
nghệ AI trong y học. Điều này sẽ giúp họ hiểu rõ hơn về tiềm năng và giới hạn của
công nghệ AI và cách sử dụng nó một cách đúng đắn và an toàn. Ngoài ra, đào tạo và
huấn luyện các chuyên gia y tế còn giúp nâng cao chất lượng dịch vụ y tế áp dụng
công nghệ AI và giảm rủi ro cho bệnh nhân.
- Thực hiện các chính sách và quy định đảm bảo tính minh bạch, đạo đức, an
toàn và hiệu quả: Cần thiết phải có các chính sách và quy định đảm bảo tính minh
bạch, đạo đức, an toàn và hiệu quả trong việc sử dụng công nghệ AI trong y học. Các
quy định này cần bao gồm quy định về việc thu thập và sử dụng dữ liệu, bảo mật
thông tin, trách nhiệm và đạo đức trong việc sử dụng công nghệ AI trong y học. Việc
đảm bảo tính minh bạch và đạo đức trong việc sử dụng công nghệ AI sẽ giúp tăng sự
tin tưởng của người dân và giảm tỷ lệ nhận thức tiêu cực về công nghệ này.
5.3.2. Chuẩn chủ quan (CQ)
Kết quả của nghiên cứu chỉ ra rằng “Chuẩn chủ quan” là nhân tố rất quan trọng
trong ý định và quyết định của người dân TP.HCM về việc sử dụng các phương án
chẩn đoán /điều trị thông qua áp dụng AI trong lĩnh vực y học. Trong đó CQ2, CQ3,
CQ1 ảnh hưởng trực tiếp đến chuẩn chủ quan. Từ đó sẽ giúp các chuyên gia y tế và
nhà quản lý sức khỏe hiểu hơn về cách thức thông tin và giáo dục được cung cấp để
tăng cường nhận thức và giảm thiểu sự bất đồng ý kiến trong cộng đồng về việc áp
dụng trí tuệ nhân tạo trong y tế.
Để giải quyết vấn đề này, có thể đưa ra một số giải pháp sau:
Tăng cường giáo dục và nâng cao nhận thức của cộng đồng về công nghệ trí tuệ
nhân tạo trong y tế, bao gồm các lợi ích, rủi ro, cách thức áp dụng và giới hạn của nó.
Tạo ra các nền tảng truyền thông để giới thiệu, tương tác và trao đổi thông tin về
trí tuệ nhân tạo trong y tế giữa các bác sĩ, chuyên gia y tế và người dân.
Đảm bảo tính minh bạch và đáng tin cậy của các ứng dụng trí tuệ nhân tạo trong
y tế để tăng cường sự tin tưởng và chấp nhận của người dân.

Nghiên cứu và phát triển các phương pháp đánh giá và đảm bảo chất lượng của
các ứng dụng trí tuệ nhân tạo trong y tế, bao gồm đánh giá tính khả thi, hiệu quả, an
toàn và độ tin cậy của chúng.
5.3.3. Độ tin cậy (TC)
Qua kết quả nghiên cứu của nhóm, mặc dù nhân tố Độ tin cậy không phải là
nhân tố tác động mạnh mẽ nhất đến ý định và quyết định của người dân TP.HCM về
việc sử dụng các phương án chẩn đoán /điều trị thông qua áp dụng AI trong lĩnh vực y
học tuy nhiên đây cũng là nhân tố tác động với hệ số 𝛽=0.115. Điều này có nghĩa là
độ tin cậy của phương án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y
học cũng đóng vai trò trong quyết định của người dân. Vì vậy, việc nâng cao độ tin
cậy của các phương án chẩn đoán/điều trị thông qua AI sẽ là một giải pháp quan trọng
nhằm tăng độ uy tín và độ tin cậy của phương pháp này, từ đó tăng khả năng được sử
dụng trong thực tế.
Để nâng cao độ tin cậy và tăng sự tin tưởng của người dân TP.HCM vào các
phương án chẩn đoán/điều trị dựa trên AI trong lĩnh vực y học, nhóm nghiên cứu đề
xuất một số giải pháp sau:
- Cung cấp thông tin chính xác và minh bạch về các phương án chẩn đoán/điều
trị dựa trên AI: Các cơ quan y tế, các chuyên gia y tế và các nhà nghiên cứu có thể
cung cấp thông tin chính xác và minh bạch về các phương án chẩn đoán/điều trị dựa
trên AI cho người dân. Việc cung cấp thông tin này có thể giúp tăng độ tin cậy của
người dân vào các phương án này.
- Tăng cường đào tạo và giáo dục cho người dân: Các cơ quan y tế có thể tăng
cường hoạt động đào tạo và giáo dục cho người dân về các phương án chẩn đoán/điều
trị dựa trên AI. Việc nâng cao nhận thức của người dân về công nghệ y tế mới có thể
giúp tăng độ tin cậy của họ và giúp họ đưa ra quyết định đúng đắn hơn.
- Thực hiện kiểm tra và đánh giá chất lượng của các phương án chẩn đoán/điều
trị dựa trên AI: Các cơ quan y tế và các chuyên gia y tế có thể thực hiện kiểm tra và
đánh giá chất lượng của các phương án chẩn đoán/điều trị dựa trên AI. Việc thực hiện

kiểm tra và đánh giá này có thể giúp tăng độ tin cậy của người dân và tăng sự tin
tưởng vào các phương án này.
- Xây dựng cơ chế phản hồi và giải đáp thắc mắc của người dân: Các cơ quan y
tế và các chuyên gia y tế có thể xây dựng cơ chế phản hồi và giải đáp thắc mắc của
người dân liên quan đến các phương án chẩn đoán/điều trị dựa trên AI. Việc đáp ứng
nhanh chóng và đầy đủ các thắc mắc của người dân có thể giúp tăng độ tin cậy và sự
tin tưởng của họ vào các phương án này.
5.3.4. Nhận thức hữu ích (HI)

Nhân tố Nhận thức hữu ích có tác động đến ý định và quyết định của người dân
TP.HCM về việc sử dụng các phương án chẩn đoán /điều trị thông qua áp dụng AI
trong lĩnh vực y học với hệ số 𝛽=0.096 Mặc dù hệ số này không cao bằng những nhân
tố khác nhưng cũng không thể bỏ qua vì đó là một trong những yếu tố tác động đến
quyết định của người dân. Nhận thức hữu ích liên quan đến việc cung cấp thông tin
chính xác, tin cậy và dễ hiểu cho người dân về các phương án chẩn đoán/điều trị thông
qua áp dụng AI trong lĩnh vực y học. Nếu thông tin này được truyền đạt một cách rõ
ràng và chi tiết, người dân sẽ có được cái nhìn tổng quan và chính xác về phương
pháp này, giúp họ có thể đưa ra quyết định đúng đắn và tin tưởng hơn khi sử dụng
phương án này. Do đó, việc nâng cao nhận thức hữu ích của người dân về các phương
án chẩn đoán/điều trị thông qua áp dụng AI trong lĩnh vực y học là rất cần thiết và có
thể giúp tăng khả năng áp dụng và chấp nhận của người dân đối với phương pháp này.
Tăng cường sự tham gia của các chuyên gia y tế trong việc giới thiệu và đào tạo
về ứng dụng của trí tuệ nhân tạo trong y học: Việc có sự tham gia của các chuyên gia
y tế nhằm giúp cho người dân hiểu rõ hơn về các phương pháp chẩn đoán và điều trị
bằng trí tuệ nhân tạo và cũng như đánh giá độ tin cậy của các phương pháp này. Việc
đào tạo và giới thiệu sẽ giúp người dân có được những thông tin đầy đủ và chính xác,
giúp họ có thể đưa ra quyết định thông minh và hiệu quả hơn khi sử dụng các phương
pháp chẩn đoán và điều trị thông qua trí tuệ nhân tạo.
Tạo ra các sản phẩm phần mềm trí tuệ nhân tạo tiện ích và dễ sử dụng: Việc tạo
ra các sản phẩm phần mềm trí tuệ nhân tạo giúp cho người dân có thể sử dụng các

phương pháp chẩn đoán và điều trị một cách tiện lợi và dễ dàng. Các sản phẩm này có
thể được thiết kế dựa trên cách tiếp cận đơn giản, dễ sử dụng và đảm bảo tính bảo mật
để giúp người dân dễ dàng truy cập và sử dụng các phương pháp.
5.3.5. Kiến thức nhận thức
Với hệ số 𝛽=0.026, yếu tố kiến thức nhận thức ảnh hưởng yếu nhất đến ý định
và quyết định của người dân TP.HCM, điều này có thể chỉ ra rằng kiến thức của người
dân về công nghệ AI trong lĩnh vực y học vẫn còn hạn chế. Các nguyên nhân có thể
bao gồm thiếu thông tin, thiếu đào tạo hoặc những thông tin sai lệch, thiếu chính xác
về công nghệ AI trong y học.
Để giải quyết vấn đề này, cần có các giải pháp như:
- Tăng cường thông tin và đào tạo cho người dân về các phương pháp chẩn
đoán /điều trị thông qua AI, bao gồm cách thức hoạt động, ưu điểm và hạn chế của
công nghệ AI trong y học.
- Tạo ra các chương trình đào tạo cho các chuyên gia y tế về việc sử dụng công
nghệ AI trong y học để cải thiện tính chuyên môn của họ.
- Thúc đẩy các nghiên cứu và thử nghiệm về việc áp dụng công nghệ AI trong y
học để cung cấp thêm bằng chứng cho tính hiệu quả và an toàn của phương án chẩn
đoán /điều trị.
-Xây dựng các chính sách pháp lý liên quan đến việc sử dụng công nghệ AI
trong y học để đảm bảo tính pháp lý và đạo đức của các phương pháp này.
5.4. Hạn chế của đề tài và hướng nghiên cứu trong tương lai
5.4.1. Hạn chế của đề tài
Hạn chế đầu tiên của nghiên cứu là chỉ tập trung vào xác định các nhân tố tác
động, đánh giá mức độ tác động của các nhân tố đến ý định và quyết định của người
dân TP.HCM về việc sử dụng các phương án chẩn đoán /điều trị thông qua áp dụng AI
trong lĩnh vực y học. Vẫn còn rất nhiều yếu tố tác động đến ý định và quyết định của
khách hàng mà nghiên cứu chưa đề cập đến
Thứ hai, do thời gian tương đối gấp rút nên việc lấy mẫu khảo sát là n=392
tương đối thấp nên có thể khả năng đại diện cho tổng thể chưa cao. Bên cạnh đó, đề
tài nghiên cứu được nhóm thực hiện trên địa bàn Thành phố Hồ Chí Minh và trong
một khoảng thời gian ngắn. Vì vậy, cần phải có thời gian thực hiện dài hơn và phạm
vi mẫu nhiều hơn để nghiên cứu có độ chính xác hơn.
Thứ ba, việc khảo sát qua Google form nên không thể tránh khỏi việc chọn tuỳ ý
mà không quan tâm tới nội dung câu hỏi làm ảnh hưởng đến dữ liệu.
5.4.2. Hướng nghiên cứu trong tương lai
Thứ nhất, nghiên cứu cần phải tăng thêm số lượng biểu mẫu khảo sát để độ
chính xác tăng thêm và đồng thời phạm vi của nghiên cứu có thể mở rộng ra với với
đa dạng nhóm người khảo sát để thu thập được số mẫu lớn hơn với nhiều ý kiến từ
nhiều nghề nghiệp, lứa tuổi,… để tăng độ tin cậy và hướng nghiên cứu đến tính ứng
dụng thực tiễn cao hơn.
Thứ hai, trên thực tế còn nhiều nhân tố tác động đến đến ý định và quyết định
của người dân TP.HCM về việc sử dụng các phương án chẩn đoán /điều trị thông qua
áp dụng AI trong lĩnh vực y học vì vậy nghiên cứu tiếp theo cần đi sâu hơn và cần đưa
ra các yếu tố ít được kiểm định để có kết quả nghiên cứu toàn diện hơn, đổi mới và
cập nhật đúng thực trạng hơn so với những nghiên cứu trước đây
Thứ ba, nghiên cứu tiếp theo đi sâu vào phân tích các nhân tố tác động đến đến ý
định và quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn
đoán /điều trị thông qua áp dụng AI trong lĩnh vực y học. Có thể bao gồm như nghiên
cứu phân tích định tính và định lượng về ảnh hưởng của các yếu tố kỹ thuật và công
nghệ liên quan đến AI trong y học, bao gồm cả tính chính xác, độ nhạy và độ đặc hiệu
của các phương pháp chẩn đoán/điều trị. Hay Nghiên cứu về yếu tố địa lý và hệ thống
y tế, bao gồm cả địa bàn và mức độ phát triển của hệ thống y tế địa phương, cũng như
vai trò của AI trong việc nâng cao chất lượng chăm sóc sức khỏe. Nghiên cứu về yếu
tố kinh tế, bao gồm cả chi phí và tính khả thi của các phương pháp chẩn đoán/điều trị
thông qua áp dụng AI trong lĩnh vực y học, đồng thời đánh giá các tác động kinh tế
của việc sử dụng AI trong y học đối với xã hội và các bên liên quan.

TÀI LIỆU THAM KHẢO
I. Tiếng Việt
1. (2020, 06 23). Retrieved from Trung tâm CNTT và Truyền thông tỉnh
Sơn La: https://ict.sonla.gov.vn/Tin-Tuc-Cong-Nghe/Tri-tue-Nhan-tao-se-
la-mui-nhon-cho-Cach-mang-cong-nghiep-4-0-cua-Viet-Nam-985.html
2. Đình Thọ, N. (2012). Phương pháp nghiên cứu khoa học trong kinh
doanh. NXB Lao Động Xã Hội.
3. Nguyễn, T. (2020). Các phương pháp chọn mẫu. Retrieved from Đại học
Duy Tân: https://kdieuduong.duytan.edu.vn/nghien-cuu-khoa-hoc/cac-
phuong-phap-chon-mau.aspx?lang=vn
4. Phân loại thu nhập theo Class và ứng dụng trong Marketing. (2022).
Retrieved from Brade Mar: https://brademar.com/phan-loai-thu-nhap-
theo-class/
5. Việt Nam có lợi thế ứng dụng AI trong y tế. (2020, 09 23). Retrieved
from Bộ Khoa học và Công nghệ:
https://www.most.gov.vn/vn/tin-tuc/18808/viet-nam-co-loi-the-ung-dung-
ai-trong-y-te.aspx
II. Tiếng Anh
1. (n.d.). Retrieved from IBM: https://www.ibm.com/topics/artificial-

intelligence-medicine#Overview
2. Achmad Nizar Hidayanto and Rika Kharlina Ekawati. (2010). The
influence of antecedent factors of IS/IT utilization towards organizational
performance: A case study of IAIN Raden Fatah Palembang. h40-H47.
doi:10.1109/ICT4M.2010.5971937
3. Ajzen, I. (1991). The theory of planned behavior. Elsevier, 50(2), 179-
211. doi:https://doi.org/10.1016/0749-5978(91)90020-T
4. Anol Bhattacherjee et al. (2017). Physicians' resistance toward healthcare
information technology: a theoretical model and empirical test. Taylor

and Francis Online, 725-737.
doi:https://doi.org/10.1057/palgrave.ejis.3000717
5. Artificial Intelligence (AI) Market. (2023, January). Retrieved from
Precedence Research: https://www.precedenceresearch.com/artificial-
intelligence-market
6. Avishek Choudhury et al. (2022). Impact of accountability, training, and
human factors on the use of artificial intelligence in healthcare: Exploring
the perceptions of healthcare practitioners in the US. Human Factors in
Healthcare, 2. doi:https://doi.org/10.1016/j.hfh.2022.100021
7. C. PAGE MOREAU, DONALD R. LEHMANN, and ARTHUR B.
MARKMAN. (2001). Entrenched Knowledge Structures and Consumer
Response to New Products. Journal of Marketing Research, XXXVIII,
14-29. Retrieved from
https://journals.sagepub.com/doi/pdf/10.1509/jmkr.38.1.14.18836?
casa_token=VWzOCjG3okoAAAAA:O3cAOit5QRFrzdh6L1sqQY-
hukUoOjbv1QtkbisV3tEHTp4x3XNQnBxLn9IfswGgssXp5pZUiLKss6c
8. Esmaeilzadeh, P. (2020). Use of AI-based tools for healthcare purposes: a
survey study from consumers’ perspectives. BMC medical informatics
and decision making, 20(1), 1-19. Retrieved from
https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s129
11-020-01191-1
9. Esmaeilzadeh, P. (2020). Use of AI-based tools for healthcare purposes: a
survey study from consumers’ perspectives. BMC Medical Informatics
and Decision Making, 20. doi:https://doi.org/10.1186/s12911-020-01191-
1
10. Fred D. Davis, Richard P. Bagozzi, Paul R. Warshaw. (1992). Extrinsic
and Intrinsic Motivation to Use Computers in the Workplace. Wiley
Online Library. doi: https://doi.org/10.1111/j.1559-1816.1992.tb00945.x
11. Fred Davis et al. (1987). Technology Acceptance Model. Retrieved from
https://quod.lib.umich.edu/b/busadwp/images/b/1/4/b1409190.0001.001.p
df

12. Hill, T., Smith, N. D., & Mann, M. F. (1987). Role of efficacy
expectations in predicting the decision to use advanced technologies: The
case of computers. Journal of Applied Psychology, 72(2), 307-313.
doi:https://doi.org/10.1037/0021-9010.72.2.307
13. Hsieh. (2015). Physicians’ acceptance of electronic medical records
exchange: An extension of the decomposed TPB model with institutional
trust and perceived risk. International Journal of Medical Informatics,
84(1), 1-14. doi:https://doi.org/10.1016/j.ijmedinf.2014.08.008
14. Hubert Gatignon, Thomas S. Robertson. (1985). A Propositional
Inventory for New Diffusion Research. Journal of Consumer Research,
11(4), 849-867. doi:https://doi.org/10.1086/209021
15. Jeongeun Kim & Hyeoun-Ae Park. (2012). Development of a Health
Information Technology Acceptance Model Using Consumers’ Health
Behavior Intention. 14(5). Retrieved from
https://www.jmir.org/2012/5/e133
16. Kaili Dou et al. (2017). Patients’ Acceptance of Smartphone Health
Technology for Chronic Disease Management: A Theoretical Model and
Empirical Test. 5(12). Retrieved from
https://mhealth.jmir.org/2017/12/e177/
17. Kim & Kankanhalli. (2009, September). INVESTIGATING USER
RESISTANCE TO INFORMATION SYSTEMS IMPLEMENTATION:
A STATUS QUO BIAS PERSPECTIVE. MIS Quarterly, 33(3), 567-582.
Retrieved from https://citeseerx.ist.psu.edu/document?
repid=rep1&type=pdf&doi=afc5b9c860549151f22323ca1b84ff46220b69
0d
18. Lynda Andrews et al. (2014). The Australian general public's perceptions
of having a personally controlled electronic health record (PCEHR).
International Journal of Medical Informatics, 83(12), 889-900.
doi:https://doi.org/10.1016/j.ijmedinf.2014.08.002
19. M. Sridhar et al. (2018). The Moderating and Mediating Role of
Corporate Reputation in the Link Between Service Innovation and Cross-

Buying Intention. Corp Reputation Rev, 21, 50-70.
doi:https://doi.org/10.1057/s41299-018-0044-9
20. M. Sridhar, Ajay Mehta. (2018). The moderating and mediating role of
corporate reputation in the link between service innovation and cross-
buying intention. Corporate Reputation Review, 21(2), 50-70. Retrieved
from https://link.springer.com/article/10.1057/s41299-018-0044-9
21. Myllyoja, Holly-Laura et al. (2022). Consumer intentions towards AI in
the healthcare industry. Retrieved from https://hdl.handle.net/2077/73211
22. Richard J. Holden a b, Ben-Tzion Karsh a. (2010). The Technology
Acceptance Model: Its past and its future in health care. Journal of
Biomedical Informatics, 43(1), 159-172.
doi:https://doi.org/10.1016/j.jbi.2009.07.002
23. Ritu Agarwal and Elena Karahanna. (2000, December). Time Flies When
You're Having Fun: Cognitive Absorption and Beliefs about Information
Technology Usage. MIS Quarterly, 24(4), 665-694.
doi:https://doi.org/10.2307/3250951
24. Robertson, DA, King-Kallimanis, BL, & Kenny, RA. (2016). Negative
perceptions of aging predict longitudinal decline in cognitive function.
Psychology and aging, 31(1), 71.
25. Roger. (1995). Rogers' Innovation Diffusion Theory. doi:10.4018/978-1-
4666-8156-9.ch016
26. Ronald L. Thompson, Christopher A. Higgins and Jane M. Howell.
(1991). Personal Computing: Toward a Conceptual Model of Utilization.
MIS Quarterly, 15(1), 125-143. doi:https://doi.org/10.2307/249443.
Accessed 17 May 2023.
27. Safa & Von Solms. (2016). An information security knowledge sharing
model in organizations. 57, 442-451.
doi:https://doi.org/10.1016/j.chb.2015.12.037
28. Sridhar, M., Mehta, A. (2018). The Moderating and Mediating Role of
Corporate Reputation in the Link Between Service Innovation and Cross-

Buying Intention. Corp Reputation Rev, 21, 50-70.
29. Susan K. Lippert and Miles Davis. (2006, October). A conceptual model
integrating trust into planned change activities to enhance technology
adoption behavior. SAGE Journals, 32(5).
doi:https://doi.org/10.1177/0165551506066042
30. Taylor and Todd. (1995). Decomposition and crossover effects in the
theory of planned behavior: A study of consumer adoption intentions.
International Journal of Research in Marketing, 12(2), 137-155.
doi:https://doi.org/10.1016/0167-8116(94)00019-K
31. Viswanath Venkatesh &Xiaojun Zhang. (2014). Unified Theory of
Acceptance and Use of Technology: U.S. Vs. China. 13(1), 5-27.
doi:https://doi.org/10.1080/1097198X.2010.10856507
32. Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis and Fred D.
Davis. (2003, September). User Acceptance of Information Technology:
Toward a Unified View. JSTOR, 27(3), 425-478.
doi:https://doi.org/10.2307/30036540
33. Warshaw and Davis. (1985). Disentangling behavioral intention and
behavioral expectation (Vol. 21).
34. Xitong Guo, et al. (2013). The dark side of elderly acceptance of
preventive mobile health services in China. SpringerLink, 23, 49-61.
35. Ye T, Xue J, He M, Gu J, Lin H, Xu B, Cheng Y. (2019). Psychosocial
factors affecting artificial intelligence adoption in health care in China:
Cross-sectional study. Journal of medical Internet research, 21(10).
Retrieved from https://www.jmir.org/2019/10/e14316/
36. Yiwei Zhu & Shiwei Sun. (2021). Exploring Patients’ AI Adoption
Intention in the Context of Healthcare. Digital Health and Medical
Analytics, 1412. doi:https://doi.org/10.1007/978-981-16-3631-8_4

PHỤ LỤC
PHỤ LỤC 1: BẢNG CÂU HỎI ĐỊNH TÍNH

A. Câu hỏi định tính phỏng vấn nhóm
Chào anh chị,
Minh. Hiện tại, chúng tôi đang thực hiện đề tài “Các nhân tố ảnh hưởng đến ý định và
quyết định của người dân TP.HCM về việc sử dụng các phương án chẩn đoán /điều
trị thông qua áp dụng AI trong lĩnh vực y học”. Đầu tiên, nhóm xin chân thành cảm
ơn anh chị đã dành thời gian tham gia buổi họp mặt hôm nay và trao đổi cùng nhóm
về chủ đề này.
Mục đích thảo luận: Nội dung các câu hỏi mà nhóm tôi đưa ra trong buổi phỏng
vấn này nhằm nhận diện, bổ sung, sửa đổi và rút ra kết luận cuối cùng về yếu tố được
đề cập trong mô hình đề xuất tác động đến ý định sử dụng phương thức khám chữa
bệnh bằng AI của người dân.
Ý kiến đóng góp của anh chị không có ý kiến nào là sai mà ngược lại nó giúp ích
cho nghiên cứu của chúng tôi cũng như đóng góp một phần nhỏ trong nghiên cứu về
hành vi đối với công nghệ AI trong y học dưới góc độ của người tiêu dùng.
Thời gian dự kiến cho buổi trao đổi của chúng ta là khoảng 40 phút. Trước tiên,
để làm quen với nhau, xin tự giới thiệu các thành viên trong nhóm thực hiện đề tài và
xin các anh chị tự giới thiệu tên và công việc của mình.
Nội dung phỏng vấn:
Danh sách câu hỏi cho việc đánh giá thang đo:
1. Anh chị đã từng nghe đến trí tuệ nhân tạo AI hoặc từng thấy việc sử dụng AI
trong đời sống của mình chưa?

2. Trong thực tế AI có nhiều đóng góp cụ thể với lĩnh vực y học, anh chị đã từng
nghe qua hoặc đã từng trải nghiệm chưa?
3. Với bản thân mỗi người thì anh chị có cảm thấy các ứng dụng AI trong y học là
hữu ích, và liệu nó có cải thiện được chất lượng khám chữa bệnh hay không?
4. Bên cạnh các lợi ích mà AI mang lại trong y học còn có các rủi ro có thể xảy
ra, liệu nó có làm gián đoạn suy nghĩ và quyết định khám chữa bệnh bằng AI
của anh chị hay không?
5. Ý thức và mức độ quan tâm đến sức khỏe bản thân của anh chị? Anh chị có
thường xuyên đi khám tổng quát và đi khám ngay lập tức khi phát hiện các dấu
hiệu bất thường của cơ thể?
6. Anh chị có xu hướng kháng cự việc thay đổi cách khám chữa bệnh truyền
thống bằng khám chữa bệnh sử dụng AI?
7. Anh chị hãy chia sẻ quan điểm những điều gì sẽ tác động đến quyết định cho
phép khám chữa bệnh của một gia đình khi có thành viên cần thực hiện đại
phẫu bằng robot?
B. Câu hỏi định tính phỏng vấn chuyên gia
Đối tượng Câu hỏi

1. Chuyên gia có nhận xét gì về các yếu tố trong thang đo mà
nhóm đưa ra?
2. Đề xuất của chuyên gia về sự thay đổi các biến để phù hợp
Chuyên hơn?
gia
3. Nhận xét và chỉnh sửa của chuyên gia về tên đề tài của nhóm.
4. Các góp ý của chuyên gia về đối tượng khảo sát.

PHỤ LỤC 2: DANH SÁCH ĐÁP VIÊN THAM GIA PHỎNG VẤN NHÓM
ST HỌ VÀ GIỚI TUỔI NGHỀ NGHIỆP HÌNH THỨC

T TÊN TÍNH THAM GIA
1 Đào Thị Nữ 31 Nhân viên công ty bất Online
Thanh Ngân động sản
2 Đào Thị Diệu Nữ 43 Kế toán cho công ty Online
mỹ phẩm tại TP.HCM
3 Tăng Thị Hà Nữ 28 Kiểm toán Online
Châu
4 Đoàn Trần Nữ 19 Sinh viên năm 2 Đại Online
Kim Ngọc học RMIT
5 Nguyễn Nam 24 Nhân viên văn phòng Online
Ngọc Duy

PHỤ LỤC 3: BẢNG CÂU HỎI ĐỊNH LƯỢNG CHÍNH THỨC DÙNG KHẢO
SÁT BẢNG CÂU HỎI
Xin chào Anh/Chị,
Minh. Hiện tại, chúng tôi đang thực hiện một nghiên cứu về chủ đề “CÁC NHÂN TỐ
ẢNH HƯỞNG ĐẾN Ý ĐỊNH VÀ QUYẾT ĐỊNH CỦA NGƯỜI DÂN TP.HCM
VỀ VIỆC SỬ DỤNG CÁC PHƯƠNG ÁN CHẨN ĐOÁN/ĐIỀU TRỊ THÔNG
QUA ÁP DỤNG AI TRONG LĨNH VỰC Y HỌC.”
Mục tiêu của bài nghiên cứu này nhằm tìm hiểu thái độ, cách nhìn nhận và hành
vi ra quyết định của người dân tại TP. HCM, khi có sự áp dụng trí tuệ nhân tạo vào
trong việc chẩn đoán và điều trị bệnh. Quy trình nghiên cứu diễn ra theo các bước:
Đầu tiên, chúng tôi xác định đề tài, tham khảo các bài nghiên cứu liên quan và từ đó
đưa ra mô hình và thang đo nghiên cứu tạm thời. Bước tiếp theo, chúng tôi tiến hành
phỏng vấn chuyên gia và nhóm khảo sát để ghi nhận các góp ý và hiệu chỉnh lại phần
nghiên cứu định tính. Sau khi chỉnh sửa mô hình và thang đo hoàn chỉnh, chúng tôi sẽ
tiến hành thu thập dữ liệu thông qua khảo sát.
Bảng khảo sát bao gồm 25 câu hỏi chính liên quan đến đề tài. Chúng tôi không
quy định tính đúng/sai cho từng câu hỏi khảo sát. Vì vậy, chúng tôi mong nhận được
câu trả lời khách quan nhất từ các bạn. Câu trả lời của bạn sẽ góp phần hoàn thiện bài
nghiên cứu của nhóm. Chúng tôi xin cam kết tất cả những thông tin được thu thập chỉ
để phục vụ cho mục đích nghiên cứu học thuật và được bảo mật tuyệt đối.
Nhóm chúng tôi xin chân thành cảm ơn.
PHẦN 1: CÂU HỎI SÀNG LỌC
1. Bạn có đang sống ở Thành phố Hồ Chí Minh không?
☐ Có (tiếp tục) ☐ Không (dừng lại)
2. Bạn có biết về việc áp dụng AI trong khám và chữa bệnh không?

3. Bạn có quan tâm đến vấn đề áp dụng AI trong khám và chữa bệnh không?
4. Bạn có ý định sử dụng AI trong khám và chữa bệnh cho bản thân mình và
người thân không?
PHẦN 2: CÂU HỎI CHÍNH
Thông qua các biến, hãy đánh giá mức độ đồng ý của bạn đối với các ý kiến bên
dưới theo các mức độ sau:
1. Rất không đồng ý
2. Không đồng ý
3. Trung lập
4. Đồng ý
5. Hoàn toàn đồng ý
NHẬN THỨC HỮU ÍCH
Mức độ mà một cá nhân tin rằng các công cụ dựa trên AI có thể cải thiện việc
chẩn đoán và lập kế hoạch chăm sóc cho bệnh nhân.
Các thiết bị AI sẽ giúp tôi đối phó với các bệnh về sức khỏe và có thể phòng
ngừa được bệnh ở giai đoạn đầu.
☐1 ☐2 ☐3 ☐4 ☐5
Các thiết bị AI rất hữu ích trong việc cung cấp thông tin và hình ảnh chi tiết về tình
trạng cơ thể của tôi.
☐1 ☐2 ☐3 ☐4 ☐5
Các thiết bị AI sẽ giúp các tổ chức y tế tăng hiệu suất khám chữa bệnh.
☐1 ☐2 ☐3 ☐4 ☐5
Trong phương pháp chăm sóc sức khỏe truyền thống, các thiết bị AI sẽ là một bổ sung
tốt.
☐1 ☐2 ☐3 ☐4 ☐5
CHUẨN CHỦ QUAN
Nhận thức về niềm tin quan trọng (hoặc có liên quan) của người khác về việc tôi có
nên sử dụng các dịch vụ áp dụng AI trong y học để chẩn đoán, khám, chữa bệnh
Những người quan trọng với tôi nghĩ rằng tôi nên sử dụng các dịch vụ áp dụng AI
trong y học để chẩn đoán, khám, chữa bệnh.
☐1 ☐2 ☐3 ☐4 ☐5
Đồng nghiệp của tôi nghĩ rằng tôi nên sử dụng các dịch vụ áp dụng AI trong y học để
chẩn đoán, khám, chữa bệnh.
☐1 ☐2 ☐3 ☐4 ☐5
Lãnh đạo hoặc cấp trên của tôi nghĩ rằng tôi nên sử dụng các dịch vụ áp dụng AI trong
y học để chẩn đoán, khám, chữa bệnh.
☐1 ☐2 ☐3 ☐4 ☐5
ĐỘ TIN CẬY
Độ tin cậy được đề cập trong bài nghiên cứu này là danh tiếng của cá nhân (như bác
sĩ,...) và tổ chức (bệnh viện, trung tâm y tế,...) cung cấp các dịch vụ chẩn đoán/điều trị
bằng các công cụ AI.
Tôi xem bác sĩ/bệnh viện cung cấp dịch vụ khám chữa bệnh bằng AI là tiến bộ và đổi
mới.
Tôi nghĩ rằng bác sĩ/bệnh viện cung cấp dịch vụ khám chữa bệnh bằng AI sẽ hiểu rõ
tình trạng bệnh nhân và hướng đến bệnh nhân hơn.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi nghĩ rằng bác sĩ/bệnh viện cung cấp dịch vụ khám chữa bệnh bằng AI sẽ tạo môi
trường khám chữa bệnh dễ chịu hơn.

☐1 ☐2 ☐3 ☐4 ☐5
Theo ý kiến của tôi, bác sĩ/bệnh viện cung cấp dịch vụ khám chữa bệnh bằng AI là
đáng tôn trọng và đáng tin cậy hơn so với những nơi khác.
☐1 ☐2 ☐3 ☐4 ☐5
KIẾN THỨC NHẬN THỨC
Kiến thức nhận thức về AI có ảnh hưởng đến thái độ đối với AI, niềm tin trong bối
cảnh AI.
Nhìn chung, tôi quen thuộc với các khái niệm công nghệ.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi cảm thấy tự tin về hiểu biết của mình đối với các công nghệ sử dụng trong lĩnh
vực y tế.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi cảm thấy tự tin khi mô tả các công nghệ sử dụng trong lĩnh vực y tế cho những
người xung quanh.
☐1 ☐2 ☐3 ☐4 ☐5
NHẬN THỨC RỦI RO
Sự kết hợp của sự không chắc chắn và mức độ nghiêm trọng của một kết quả liên
quan đến hiệu suất, sự an toàn, tâm lý hoặc xã hội không chắc chắn.
Tôi đánh giá rằng các thiết bị dựa trên AI không phù hợp với y tế truyền thống, tạo
nên sự mơ hồ về tính an toàn và hiệu quả.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi nghĩ rằng việc sử dụng AI cho công việc chẩn đoán lâm sàng sẽ khiến tôi gặp rủi
ro.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi nghĩ rằng việc sử dụng AI trong y tế sẽ gây rủi ro về quyền riêng tư của tôi.
☐1 ☐2 ☐3 ☐4 ☐5

XU HƯỚNG PHẢN KHÁNG
Chống lại một công nghệ mới do những thành kiến như tránh hối tiếc, quán tính và
chống lại sự thay đổi.
Tôi không muốn các thiết bị AI trong y học thay đổi cách khám, chữa bệnh vì tôi thấy
phiền và không quen thuộc với tôi.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi không muốn sử dụng các thiết bị AI trong y học vì theo kinh nghiệm trước đây,
các sản phẩm công nghệ cao mới này luôn thất bại trong các ứng dụng thực tế.
☐1 ☐2 ☐3 ☐4 ☐5
Các thiết bị AI có thể lãng phí thời gian và công sức của tôi.
☐1 ☐2 ☐3 ☐4 ☐5
Ý ĐỊNH SỬ DỤNG
Động lực hoặc sự sẵn sàng của một cá nhân để nỗ lực quyết định sử dụng các thiết bị
AI trong chăm sóc sức khỏe.
Sử dụng các thiết bị AI trong tương lai là sẽ lựa chọn đầu tiên của tôi nếu tôi cảm thấy
không khỏe.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi sẽ khuyến khích bạn bè/người thân của mình sử dụng thiết bị AI nếu họ cảm thấy
không được khỏe.
☐1 ☐2 ☐3 ☐4 ☐5
Tôi sẽ khuyến khích những người khỏe mạnh sử dụng các thiết bị AI để kiểm tra sức
khỏe định kỳ.
☐1 ☐2 ☐3 ☐4 ☐5
PHẦN 3: THÔNG TIN CÁ NHÂN
1. Bạn hiện đang ở độ tuổi nào?
☐ Dưới 18 tuổi ☐ Từ 18 – 30 tuổi ☐ Từ 31 – 55 tuổi ☐ Trên 55 tuổi

2. Giới tính của bạn là?
☐ Nam ☐ Nữ ☐ Tôi không muốn tiết lộ
3. Trình độ học vấn hiện tại của bạn là?
☐ Trung học phổ thông hoặc trở xuống ☐ Đại học ☐ Thạc sĩ ☐ Tiến sĩ
4. Tình trạng hôn nhân của bạn hiện tại:
☐ Độc thân ☐ Đã kết hôn
5. Trung bình thu nhập hàng tháng của bạn là?
☐ Từ 0 – 1.5 triệu ☐ Từ 1.5 – 3 triệu ☐ Từ 3 – 4.5 triệu
☐ Từ 4.5 – 7.5 triệu ☐ Từ 7.5 – 15 triệu ☐ Từ 15 triệu trở lên
CẢM ƠN BẠN ĐÃ HOÀN THÀNH KHẢO SÁT
Chúng tôi xin chân thành cảm ơn các bạn đã dành thời gian để hoàn thành khảo
sát. Chúc các bạn có một ngày tốt lành.

PHỤ LỤC 4A: THỐNG KÊ MÔ TẢ ĐỐI TƯỢNG KHẢO SÁT
Statistics
TUOI GIOITINH HOCVAN HONNHAN THUNHAP
N Valid 392 392 392 392 392
Missing 0 0 0 0 0
TUOI
Cumulative
Frequency Percent Valid Percent Percent
Valid Dưới 18 tuổi 93 23,7 23,7 23,7
Từ 18 - 30 tuổi 99 25,3 25,3 49,0
Từ 31 - 55 tuổi 148 37,8 37,8 86,7
Trên 55 tuổi 52 13,3 13,3 100,0
Total 392 100,0 100,0
GIOITINH
Cumulative
Valid Nữ 201 51,3 51,3 51,3
Nam 191 48,7 48,7 100,0
Total 392 100,0 100,0
HOCVAN
Cumulative
Valid Trung học phổ thông hoặc trở 152 38,8 38,8 38,8
xuống
Đại học 206 52,6 52,6 91,3
Thạc sĩ 29 7,4 7,4 98,7
Tiến sĩ 5 1,3 1,3 100,0
Total 392 100,0 100,0
HONNHAN
Cumulative

Valid Độc thân 232 59,2 59,2 59,2
Đã kết hôn 160 40,8 40,8 100,0
Total 392 100,0 100,0
THUNHAP
Cumulative
Valid Từ 0 - 1.5 triệu 68 17,3 17,3 17,3
Từ 1.5 - 3 triệu 46 11,7 11,7 29,1
Từ 3 - 4.5 triệu 31 7,9 7,9 37,0
Từ 4.5 - 7.5 triệu 66 16,8 16,8 53,8
Từ 7.5 - 15 triệu 102 26,0 26,0 79,8
Từ 15 triệu trở lên 79 20,2 20,2 100,0
Total 392 100,0 100,0
* KIỂM ĐỊNH SỰ KHÁC NHAU GIỮA KIẾN THỨC NHẬN THỨC VÀ TRÌNH ĐỘ
HỌC VẤN
Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig.
F_KN Based on Mean 1,882 3 388 ,132
Based on Median 1,924 3 388 ,125
Based on Median and with 1,924 3 384,910 ,125
adjusted df
Based on trimmed mean 1,915 3 388 ,127
ANOVA
F_KN
Sum of Squares df Mean Square F Sig.
Between Groups 11,325 3 3,775 5,774 ,001
Within Groups 253,650 388 ,654
Total 264,975 391
Descriptives
F_KN
N Mean Std. Std. Error 95% Confidence Interval for Minimum Maximum
Deviation Mean

Lower Bound Upper Bound
Trung học phổ thông 152 2,9254 ,85626 ,06945 2,7882 3,0627 1,00 5,00
hoặc trở xuống
Đại học 206 3,1731 ,79136 ,05514 3,0644 3,2818 1,00 5,00
Thạc sĩ 29 3,5287 ,62053 ,11523 3,2927 3,7648 2,00 4,67
Tiến sĩ 5 3,3333 ,97183 ,43461 2,1267 4,5400 2,00 4,67
Total 392 3,1054 ,82322 ,04158 3,0237 3,1872 1,00 5,00

PHỤ LỤC 4B: KIỂM ĐỊNH ĐỘ TIN CẬY CRONBACH’S ALPHA
1. Độ tin cậy của nhận thức hữu ích (HI)
Reliability Statistics
Cronbach's Alpha N of Items
,803 4
Item-Total Statistics
Scale Mean if Item Scale Variance if Corrected Item- Cronbach's Alpha
Deleted Item Deleted Total Correlation if Item Deleted
HI1 12,09 4,122 ,638 ,743
HI2 12,03 3,746 ,668 ,727
HI3 11,85 4,259 ,565 ,777
HI4 12,04 4,136 ,598 ,762
2. Độ tin cậy của chuẩn chủ quan (CQ)

,841 3
CQ1 6,62 3,427 ,657 ,825
CQ2 6,73 3,022 ,759 ,727
CQ3 6,98 2,892 ,709 ,780
3. Độ tin cậy của độ tin cậy (TC)

,696 4
TC1 11,67 2,543 ,476 ,637
TC2 11,91 2,424 ,496 ,623
TC3 11,92 2,209 ,489 ,629

TC4 12,01 2,322 ,469 ,640
4. Độ tin cậy của kiến thức nhận thức (KN)

,777 3
KN1 5,85 3,852 ,425 ,877
KN2 6,36 2,604 ,773 ,511
KN3 6,43 2,583 ,680 ,624
5. Độ tin cậy của nhận thức rủi ro (RR)

,791 3
RR1 5,60 2,272 ,604 ,747
RR2 5,52 2,276 ,707 ,638
RR3 5,17 2,364 ,590 ,760
6. Độ tin cậy của xu hướng phản kháng (PK)

,805 3
PK1 4,32 2,484 ,701 ,681
PK2 4,21 2,496 ,646 ,744
PK3 4,52 2,997 ,621 ,769

7. Độ tin cậy của ý định sử dụng (YD)
,864 3
YD1 7,08 2,602 ,726 ,822
YD2 7,28 2,311 ,821 ,730
YD3 7,20 2,777 ,682 ,861

PHỤ LỤC 4C: KẾT QUẢ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
1. Phân tích nhân tố khám phá efa cho biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,858
Bartlett's Test of Sphericity Approx. Chi-Square 3501,270

df 190
Sig. ,000
Rotated Component Matrixa

Component
1 2 3 4 5
PK1 ,776
RR2 ,764
RR1 ,757
PK2 ,733
RR3 ,705
PK3 ,702
HI3 ,797
HI2 ,736
HI1 ,714
HI4 ,618
CQ2 ,852
CQ3 ,841
CQ1 ,743
KN2 ,884
KN3 ,843
KN1 ,689
TC4 ,814
TC1 ,654
TC3 ,562
TC2 ,515
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
2. Kiểm định lại độ tin cậy của nhân tố mới (NE)

,866 6

RR1 12,13 11,915 ,706 ,836
RR2 12,05 12,404 ,691 ,839
RR3 11,70 12,778 ,568 ,860
PK1 12,46 11,554 ,721 ,833
PK2 12,36 11,556 ,683 ,840
PK3 12,67 12,775 ,611 ,852
3. Phân tính nhân tố khám phá efa cho biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,692
Bartlett's Test of Sphericity Approx. Chi-Square 595,974
df 3
Sig. ,000
Component Matrixa
Component
1
YD2 ,928
YD1 ,878
YD3 ,851
Extraction Method:
Principal Component
Analysis.
a. 1 components extracted.

PHỤ LỤC 4D: KẾT QUẢ PHÂN TÍCH HỒI QUY TUYẾN TÍNH BỘI
Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
a
1 ,842 ,708 ,705 ,42092 1,588
a. Predictors: (Constant), F_NE, F_KN, F_CQ, F_TC, F_HI
b. Dependent Variable: F_YD
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 166,180 5 33,236 187,588 ,000b
Residual 68,390 386 ,177
Total 234,570 391
a. Dependent Variable: F_YD
b. Predictors: (Constant), F_NE, F_KN, F_CQ, F_TC, F_HI
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 3,617 ,279 12,953 ,000
F_HI ,114 ,042 ,096 2,718 ,007 ,609 1,642
F_CQ ,146 ,030 ,160 4,920 ,000 ,714 1,401
F_TC ,182 ,055 ,115 3,310 ,001 ,624 1,602
F_KN ,024 ,028 ,026 ,875 ,382 ,853 1,172
F_NE -,724 ,037 -,644 -19,359 ,000 ,683 1,464
a. Dependent Variable: F_YD

PHỤ LỤC 4E: THỐNG KÊ MÔ TẢ THANG ĐO
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
F_HI 392 2,00 5,00 4,0013 ,65108
F_CQ 392 1,00 5,00 3,3886 ,84929
F_TC 392 2,75 5,00 3,9598 ,48948
F_KN 392 1,00 5,00 3,1054 ,82322
F_YD 392 1,00 5,00 3,5935 ,77455
F_NE 392 1,00 4,33 2,4456 ,68838
Valid N (listwise) 392
Statistics
HI1 HI2 HI3 HI4 CQ1 CQ2 CQ3 TC1 TC2 TC3 TC4 RR1 RR2 RR3 PK1 PK2 PK3
N Valid 392 392 392 392 392 392 392 392 392 392 392 392 392 392 392 392 392
Missing 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Mean 3,92 3,97 4,15 3,96 3,54 3,44 3,18 4,17 3,93 3,92 3,83 2,55 2,63 2,97 2,21 2,31 2,01
Mode 4 4 4 4 4 4 3 4 4 4 4 2 2 3 2 2 2
Std. ,787 ,877 ,804 ,815 ,915 ,963 1,042 ,607 ,644 ,740 ,707 ,892 ,818 ,868 ,942 ,979 ,825
Deviation
Minimum 2 1 1 2 1 1 1 2 3 2 2 1 1 1 1 1 1
Maximum 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4

BẢNG KẾT QUẢ KIỂM TRA ĐẠO VĂN

BẢNG ĐÁNH GIÁ PHẦN TRĂM MỨC ĐỘ HOÀN THIỆN
Huệ Anh Thúy Hồng Su Hy Quốc Truyền Thúy Vy

BT0 100% 100% 100% 100% 100%
BT1 100% 100% 100% 100% 100%
BT2 100% 100% 100% 100% 100%
BT3 100% 100% 100% 100% 100%
Báo cáo
100% 100% 100% 100% 100%
tổng hợp
TỔNG 100% 100% 100% 100% 100%

NCM KM1K47 Final N11VIE

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

NCM KM1K47 Final N11VIE

Uploaded by

Copyright:

Available Formats

ĐẠI HỌC UEH

TRƯỜNG KINH DOANH

KHOA KINH DOANH QUỐC TẾ - MARKETING

BÀI BÁO CÁO TỔNG HỢP

HỌC PHẦN NGHIÊN CỨU MARKETING

CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH VÀ QUYẾT ĐỊNH

GIẢNG VIÊN HƯỚNG DẪN: TS. ĐINH TIÊN MINH

TP. Hồ Chí Minh, ngày 17 tháng 05 năm 2023

TRƯỜNG KINH DOANH

KHOA KINH DOANH QUỐC TẾ - MARKETING

HỌC PHẦN NGHIÊN CỨU MARKETING

Mã lớp học phần: 23D1MAR50301703

Giảng viên hướng dẫn: TS. Đinh Tiên Minh

Nhóm sinh viên thực hiện: Nhóm 11

Tên thành viên MSSV Email

Xin chân thành cảm ơn tất cả!

Thành phố Hồ Chí Minh, ngày 17 tháng 05 năm 2023

13 Hỗ trợ ra quyết định lầm sàng CDS

14 Phân tích phương sai ANOVA

15 Phân tích nhân tố khám phá EFA

STT Tên Định nghĩa

Sự kết hợp của sự không chắc chắn và mức độ nghiêm

Mức độ mà một cá nhân tin rằng việc áp dụng AI trong

TÓM TẮT DỰ ÁN...............................................................................................3

DANH MỤC TỪ VIẾT TẮT, THUẬT NGỮ....................................................4

DANH MỤC BẢNG.............................................................................................8

DANH MỤC BIỂU ĐỒ.....................................................................................10

DANH MỤC HÌNH............................................................................................11

CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN.....................................................12

1.1. Lý do chọn đề tài.....................................................................................12

1.2. Mục tiêu nghiên cứu...............................................................................13

1.3. Đối tượng và phạm vi nghiên cứu.........................................................14

1.3.1. Đối tượng nghiên cứu......................................................................14

1.3.2. Phạm vi nghiên cứu.........................................................................14

1.4. Phương pháp nghiên cứu.......................................................................15

1.4.1. Nghiên cứu định tính.......................................................................15

1.4.2. Nghiên cứu định lượng....................................................................15

1.4.3. Công cụ nghiên cứu.........................................................................16

1.5. Giới hạn của đề tài..................................................................................16

1.6. Tóm tắt chương.......................................................................................16

2.1. Tên đề tài ban đầu:.................................................................................18

2.2.1. Khái niệm về Ý định hành vi..........................................................18

2.3. Các lý thuyết liên quan...........................................................................20

2.4. Các bài nghiên cứu trước đây................................................................22

2.4.1. Nghiên cứu của (Esmaeilzadeh P. , 2020)......................................22

2.4.2. Nghiên cứu của (Myllyoja, Holly-Laura et al)..............................23

2.4.4. Nghiên cứu của (Ye T, Xue J, He M, Gu J, Lin H, Xu B, Cheng

2.4.5. Nghiên cứu của M. Sridhar và Ajay Mehta (2018)[2,3,5]............28

2.5. Mô hình thang đo nghiên cứu:...............................................................30

2.5.1. Mô hình nghiên cứu đề xuất...........................................................30

2.5.2. Thang đo cho mô hình nghiên cứu đề xuất:..................................32

2.6. Tóm tắt chương.......................................................................................35

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU.......................................................36

3.1. Tổng quan về quy trình nghiên cứu......................................................36

3.1.1. Các giai đoạn nghiên cứu................................................................36

3.1.2. Quy trình nghiên cứu gồm có 8 bước:...........................................37

3.1.3. Sơ đồ mô hình quy trình nghiên cứu .............................................39

3.2. Nghiên cứu định tính..............................................................................40

3.2.1. Lý do thực hiện nghiên cứu định tính............................................40

3.2.2. Thiết kế nghiên cứu định tính.........................................................40

3.2.3. Kết quả nghiên cứu định tính.........................................................41

3.2.3.1. Thảo luận nhóm........................................................................41

3.2.3.2. Phỏng vấn sâu...........................................................................44