Đề tài luận văn công nghệ thông tin: 24 hướng chọn được và có dữ liệu

Bạn đang cần chốt đề tài, nhưng danh sách trên mạng thường chỉ có tên đề tài và vài từ khóa chung chung. Với luận văn công nghệ thông tin, phần khó hơn là biết đề tài có thu được dữ liệu hay không, biến nào đo bằng bảng hỏi, mô hình nào phù hợp và bạn có đủ thời gian chạy phân tích hay không.

Bài viết này tập trung vào các đề tài có thể triển khai theo hướng định lượng với bảng hỏi, dữ liệu .sav hoặc .csv, sau đó phân tích bằng SPSS hoặc SmartPLS. Bạn có thể xem thêm chủ đề Khóa luận tốt nghiệp để đối chiếu với yêu cầu chung của khoa trước khi chọn hướng cụ thể.

Chọn đề tài công nghệ thông tin theo tiêu chí nào

Một đề tài dùng được cần đứng vững ở ba phía: vấn đề nghiên cứu, mô hình đo lường và nguồn dữ liệu. Nếu chỉ có ý tưởng làm ứng dụng nhưng không xác định được người trả lời, biến độc lập và biến phụ thuộc, bạn mới có một ý tưởng sản phẩm, chưa có đề tài luận văn.

Đề tài phù hợp với một sinh viên thường có phạm vi vừa đủ hẹp. Chẳng hạn, “các yếu tố ảnh hưởng đến ý định sử dụng ứng dụng học trực tuyến của sinh viên tại Thành phố Hồ Chí Minh” dễ triển khai hơn “chuyển đổi số trong giáo dục Việt Nam”. Đề tài thứ nhất có nhóm đối tượng rõ, bảng hỏi có thể gửi trực tuyến và mô hình có thể kiểm định bằng hồi quy hoặc PLS-SEM.

Hãy viết thử một câu theo mẫu: “Nghiên cứu các yếu tố X ảnh hưởng đến Y của Z trong bối cảnh A”. Nếu bạn không điền được X, Y, Z hoặc A, chưa nên đăng ký tên đề tài. Biến Y thường là ý định sử dụng, sự hài lòng, mức độ chấp nhận, hiệu quả cảm nhận hoặc ý định tiếp tục sử dụng.

Danh sách đề tài theo nhóm

Các đề tài dưới đây được viết kèm biến độc lập và biến phụ thuộc. Bạn có thể thay nền tảng, địa bàn hoặc nhóm người dùng, nhưng nên giữ mô hình ở quy mô có thể kiểm soát.

Nhóm chấp nhận và sử dụng công nghệ

1. Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử của sinh viên. Biến độc lập có thể gồm perceived usefulness, perceived ease of use, trust và perceived security. Biến phụ thuộc là ý định sử dụng. Hướng này phù hợp với TAM của Davis, kết hợp thêm niềm tin và bảo mật.

2. Các yếu tố ảnh hưởng đến ý định sử dụng hệ thống học trực tuyến. Biến độc lập gồm perceived usefulness, perceived ease of use, social influence và facilitating conditions. Biến phụ thuộc là ý định sử dụng hoặc ý định tiếp tục sử dụng.

3. Các yếu tố ảnh hưởng đến chấp nhận ứng dụng trí tuệ nhân tạo hỗ trợ học tập. Biến độc lập gồm usefulness, ease of use, trust và perceived risk. Biến phụ thuộc là ý định sử dụng công cụ AI cho học tập. Bạn cần giới hạn một loại công cụ hoặc một nhóm sinh viên để bảng hỏi không quá rộng.

4. Các yếu tố ảnh hưởng đến ý định sử dụng ứng dụng chăm sóc sức khỏe trực tuyến. Biến độc lập gồm lợi ích cảm nhận, dễ sử dụng, bảo mật và chất lượng thông tin. Biến phụ thuộc là ý định sử dụng.

Nhóm chất lượng hệ thống và trải nghiệm người dùng

1. Ảnh hưởng của chất lượng hệ thống đến sự hài lòng của người dùng ứng dụng ngân hàng số. Biến độc lập gồm system quality, information quality, service quality và security. Biến phụ thuộc là sự hài lòng.

2. Các yếu tố ảnh hưởng đến trải nghiệm người dùng của ứng dụng đặt đồ ăn. Biến độc lập gồm khả năng đáp ứng, giao diện, độ tin cậy và chất lượng thông tin. Biến phụ thuộc là trải nghiệm hoặc sự hài lòng cảm nhận.

3. Ảnh hưởng của usability đến ý định tiếp tục sử dụng website thương mại điện tử. Biến độc lập gồm ease of navigation, clarity, loading performance và perceived usefulness. Biến phụ thuộc là continuance intention.

4. Các yếu tố ảnh hưởng đến sự hài lòng khi sử dụng cổng thông tin sinh viên. Biến độc lập gồm chất lượng hệ thống, chất lượng thông tin và chất lượng dịch vụ. Biến phụ thuộc là sự hài lòng của sinh viên.

Nhóm thương mại điện tử và dịch vụ số

1. Các yếu tố ảnh hưởng đến ý định mua sắm trực tuyến của sinh viên. Biến độc lập gồm giá trị cảm nhận, niềm tin, rủi ro cảm nhận và chất lượng website. Biến phụ thuộc là ý định mua.

2. Ảnh hưởng của chất lượng dịch vụ điện tử đến sự trung thành của khách hàng. Biến độc lập gồm website design, fulfillment, privacy và customer service. Biến phụ thuộc là lòng trung thành hoặc ý định mua lại.

3. Các yếu tố ảnh hưởng đến ý định sử dụng nền tảng thương mại xã hội. Biến độc lập gồm social influence, trust, perceived usefulness và enjoyment. Biến phụ thuộc là ý định sử dụng.

Nhóm hệ thống thông tin quản lý

1. Các yếu tố ảnh hưởng đến hiệu quả sử dụng hệ thống thông tin quản lý tại doanh nghiệp nhỏ. Biến độc lập gồm chất lượng hệ thống, chất lượng thông tin, đào tạo và sự hỗ trợ của lãnh đạo. Biến phụ thuộc là hiệu quả công việc cảm nhận.

2. Ảnh hưởng của chất lượng hệ thống ERP đến sự hài lòng của nhân viên. Biến độc lập gồm system quality, information quality, integration và training. Biến phụ thuộc là sự hài lòng khi sử dụng ERP.

3. Các yếu tố ảnh hưởng đến ý định sử dụng hệ thống quản trị quan hệ khách hàng CRM. Biến độc lập gồm perceived usefulness, ease of use, management support và compatibility. Biến phụ thuộc là ý định sử dụng hoặc mức độ sử dụng.

4. Các yếu tố ảnh hưởng đến hiệu quả ra quyết định dựa trên hệ thống BI. Biến độc lập gồm chất lượng dữ liệu, khả năng truy cập, tính dễ hiểu và năng lực phân tích. Biến phụ thuộc là hiệu quả ra quyết định.

Đây là nhóm phù hợp cho đề tài luận văn hệ thống thông tin quản lý vì đối tượng nghiên cứu là nhân viên hoặc người quản lý đang dùng hệ thống. Tuy nhiên, bạn cần được doanh nghiệp cho phép tiếp cận người dùng. Nếu không có quyền vào tổ chức, hãy chuyển sang đo “hiệu quả cảm nhận” của nhóm nhân viên mà bạn thực sự tiếp cận được.

Nhóm an toàn thông tin và hành vi người dùng

1. Các yếu tố ảnh hưởng đến ý thức bảo mật thông tin của sinh viên. Biến độc lập gồm nhận thức mối đe dọa, thái độ bảo mật, self-efficacy và chuẩn chủ quan. Biến phụ thuộc là hành vi bảo mật dự định.

2. Các yếu tố ảnh hưởng đến ý định sử dụng xác thực đa yếu tố. Biến độc lập gồm perceived security, convenience, usefulness và trust. Biến phụ thuộc là ý định sử dụng.

3. Ảnh hưởng của nhận thức rủi ro đến hành vi bảo vệ dữ liệu cá nhân trên mạng xã hội. Biến độc lập gồm perceived severity, perceived susceptibility và privacy concern. Biến phụ thuộc là hành vi bảo vệ dữ liệu.

4. Các yếu tố ảnh hưởng đến niềm tin khi sử dụng dịch vụ công trực tuyến. Biến độc lập gồm bảo mật, minh bạch, chất lượng thông tin và chất lượng dịch vụ. Biến phụ thuộc là trust hoặc ý định sử dụng.

Nếu cần mở rộng thành đề tài nghiên cứu khoa học công nghệ thông tin, bạn có thể chọn một nhóm đối tượng hẹp, chẳng hạn sinh viên năm cuối hoặc nhân viên văn phòng. Tên đề tài càng cụ thể thì phần phương pháp, bảng hỏi và tiêu chí chọn mẫu càng dễ bảo vệ.

Mô hình và thang đo gợi ý

Mô hình nên xuất phát từ quan hệ giữa các khái niệm, sau đó mới đặt tên đề tài. Với đề tài về chấp nhận công nghệ, TAM của Davis giải thích quan hệ giữa perceived usefulness, perceived ease of use và ý định sử dụng (Davis, 1989). Nếu nghiên cứu hành vi có thêm ảnh hưởng xã hội và điều kiện hỗ trợ, UTAUT là một hướng tham khảo (Venkatesh và cộng sự, 2003).

Bảng trên là hướng xây dựng mô hình, chưa phải bộ thang đo đã được dịch và xác nhận cho đề tài của bạn. Bạn cần đọc nguồn gốc, chọn các biến quan sát phù hợp với bối cảnh Việt Nam, rồi chạy kiểm định độ tin cậy và giá trị thang đo. Với thang đo mới hoặc mang tính khám phá, Cronbach's Alpha từ 0.6 có thể được chấp nhận theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được dùng theo (Nunnally và Bernstein, 1994).

Nếu chạy EFA, KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê với p-value dưới 0.05 là các tiêu chí thường dùng (Kaiser, 1974). Factor loading từ 0.5 trở lên và total variance explained từ 50% trở lên được tham khảo theo (Hair và cộng sự, 2010). Đừng đưa toàn bộ tiêu chí vào đề cương khi bạn chưa biết mình sẽ dùng SPSS hay SmartPLS.

Số liệu minh họa cho một mô hình SmartPLS

Giả sử bạn chọn đề tài về ý định sử dụng ví điện tử, với Trust, Perceived Usefulness và Intention to Use. Bảng dưới đây chỉ là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Nó cho thấy dạng thông tin bạn cần theo dõi trong output SmartPLS 4.

Outer loading từ 0.7 trở lên là ngưỡng thường được tham khảo trong PLS-SEM (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được dùng để xem xét độ tin cậy tổng hợp và giá trị hội tụ (Fornell và Larcker, 1981). Nếu mô hình có nhiều biến tiềm ẩn, hãy kiểm tra thêm HTMT, thường dưới 0.85 hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015).

Dữ liệu lấy ở đâu và cỡ mẫu bao nhiêu

Với đề tài sinh viên, nguồn dữ liệu thực tế thường là người dùng ứng dụng, sinh viên, nhân viên hoặc khách hàng đã từng sử dụng dịch vụ. Bạn cần ghi điều kiện sàng lọc ngay trong bảng hỏi, chẳng hạn “đã sử dụng ứng dụng ít nhất một lần trong ba tháng gần đây”. Câu trả lời của người chưa từng dùng hệ thống sẽ làm biến đo bị lệch khỏi mục tiêu nghiên cứu.

Nếu thu thập bằng bảng hỏi Likert, hãy ghi rõ thang đo và mã hóa các biến quan sát. Likert là kỹ thuật đo thái độ được giới thiệu trong (Likert, 1932). Trước khi phát hành rộng, bạn nên kiểm tra thử cách hiểu câu chữ, thời gian trả lời và những câu bị bỏ trống.

Cỡ mẫu phụ thuộc vào mô hình, số biến quan sát và phương pháp phân tích. Quy tắc 5 đến 10 quan sát cho mỗi biến quan sát được trích dẫn theo (Hair và cộng sự, 2010). Với hồi quy, một quy tắc khác là cỡ mẫu từ 50 + 8m trở lên, trong đó m là số biến độc lập, theo (Tabachnick và Fidell, 2013). Đây là căn cứ tham khảo, không phải cam kết rằng mọi mô hình đều đạt chỉ vì đủ số người trả lời.

Ví dụ, bảng hỏi có 25 biến quan sát thì quy tắc 5 đến 10 lần cho khoảng 125 đến 250 phản hồi. Nếu bạn có 6 biến độc lập trong hồi quy, công thức 50 + 8m cho mức 98 quan sát. Khi hai cách cho kết quả khác nhau, hãy chọn mức cao hơn và trao đổi với giảng viên về nhóm đối tượng thực tế.

Đối với dữ liệu doanh nghiệp, hãy xin phép trước khi thu thập. Không nên hứa cung cấp dữ liệu giao dịch, doanh thu hoặc thông tin khách hàng nếu bạn không có quyền truy cập. Một đề tài dùng dữ liệu công khai, bảng hỏi người dùng hoặc dữ liệu mô phỏng cho mục đích minh họa sẽ an toàn hơn việc phụ thuộc vào một doanh nghiệp chưa xác nhận hợp tác.

Những đề tài nên tránh

Bạn nên tránh đề tài có tên quá rộng như “ứng dụng AI trong doanh nghiệp Việt Nam” hoặc “chuyển đổi số trong thời đại hiện nay”. Những tên này không xác định ngành, đối tượng, hệ thống và biến kết quả. Khi hội đồng hỏi “bạn khảo sát ai”, câu trả lời “doanh nghiệp Việt Nam” là chưa đủ để xây dựng mẫu.

Đề tài yêu cầu dữ liệu mật cũng có rủi ro cao. Các hướng như phát hiện gian lận từ toàn bộ giao dịch ngân hàng, dự báo doanh thu nội bộ hoặc đánh giá an ninh mạng của một cơ quan thường cần quyền truy cập và chuyên môn vượt quá phạm vi một khóa luận. Bạn có thể chuyển trọng tâm sang nhận thức, ý định hoặc đánh giá của người dùng nếu mục tiêu là nghiên cứu định lượng bằng bảng hỏi.

Bạn cũng nên thận trọng với đề tài đòi hỏi xây dựng sản phẩm lớn rồi mới đo hiệu quả. Nếu vừa phải lập trình một hệ thống hoàn chỉnh, vừa phải tuyển người dùng, vừa phải chạy thực nghiệm, thời gian sẽ nhanh chóng vượt khỏi lịch khóa luận. Hãy chốt một sản phẩm có phạm vi nhỏ hoặc nghiên cứu sự chấp nhận một hệ thống đang tồn tại.

Lỗi thường gặp khi chốt đề tài

Chọn tên trước khi xác định dữ liệu

Tên nghe hiện đại không giúp bạn có mẫu. Trước khi gửi đề cương, hãy viết nguồn dữ liệu, tiêu chí chọn người trả lời, thời gian thu thập và số phản hồi dự kiến trên một trang riêng.

Trộn quá nhiều mô hình

TAM, UTAUT, TPB và các biến bổ sung có thể tạo mô hình dài nhưng khó giải thích. Mỗi biến thêm vào phải có lý do lý thuyết, thang đo phù hợp và giả thuyết rõ. Mô hình gọn thường dễ kiểm định và dễ trình bày hơn mô hình gom mọi yếu tố.

Dùng biến không đo được

“Chuyển đổi số thành công” hoặc “năng lực công nghệ tốt” là khái niệm rộng. Bạn cần biến quan sát cụ thể để người trả lời đánh giá trên cùng một thang đo.

Sao chép thang đo mà không kiểm tra ngữ cảnh

Một biến quan sát phù hợp với nhân viên ngân hàng có thể không phù hợp với sinh viên dùng ví điện tử. Bạn cần điều chỉnh từ ngữ, thử bảng hỏi và ghi lại nguồn tham khảo. Khi hoàn thiện phần tài liệu, xem hướng dẫn cách ghi tài liệu tham khảo và cách trích dẫn tài liệu tham khảo để thống nhất định dạng.

Không ghi lại quyết định loại biến

Nếu phải loại một biến quan sát vì loading thấp hoặc corrected item-total correlation thấp, hãy lưu output của từng vòng chạy và lý do loại. Đừng sửa dữ liệu hoặc xóa biến chỉ để bảng kết quả đẹp hơn. Khi viết chương kết quả, bạn sẽ cần giải thích trình tự này.

Đọc thêm: abstract, thạc sĩ, check turnitin.

Câu hỏi thường gặp

Đề tài luận văn công nghệ thông tin có nhất thiết phải lập trình không

Không nhất thiết. Nếu chuyên ngành và giảng viên cho phép, bạn có thể nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng, sự hài lòng hoặc hiệu quả cảm nhận của một hệ thống đang tồn tại. Đây vẫn là nghiên cứu công nghệ thông tin nếu đối tượng, bối cảnh và biến nghiên cứu gắn với hệ thống thông tin cụ thể.

Nếu đề tài yêu cầu sản phẩm, bạn cần giới hạn phần xây dựng hệ thống để còn thời gian thu thập và phân tích dữ liệu. Tên đề tài nên nói rõ bạn đánh giá chấp nhận hoặc trải nghiệm người dùng, thay vì tuyên bố đo toàn bộ hiệu quả chuyển đổi số.

Đề tài nghiên cứu khoa học hệ thống thông tin quản lý nên khảo sát ai

Bạn có thể khảo sát nhân viên đang sử dụng ERP, CRM, phần mềm kế toán, cổng thông tin nội bộ hoặc hệ thống báo cáo. Điều kiện quan trọng là người trả lời đã thực sự dùng hệ thống và hiểu các câu hỏi trong bảng hỏi.

Nếu không tiếp cận được doanh nghiệp, hãy chọn nhóm người dùng công khai như sinh viên sử dụng cổng thông tin trường hoặc khách hàng dùng một ứng dụng. Trong đề cương, ghi đúng đối tượng thay vì gọi chung là “người dùng hệ thống thông tin”.

Nên dùng SPSS hay SmartPLS cho đề tài công nghệ thông tin

SPSS phù hợp khi bạn cần làm sạch dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA, tương quan và hồi quy. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều quan hệ giữa các construct hoặc bạn muốn đánh giá measurement model và structural model theo PLS-SEM.

Bạn không nên chọn phần mềm chỉ vì thấy bảng kết quả của khóa trước. Hãy xem mô hình, cỡ mẫu, yêu cầu của giảng viên và khả năng giải thích output. Các chỉ số CFI, TLI và RMSEA thuộc CB-SEM, không nên đưa vào bài viết hướng dẫn SmartPLS (Hu và Bentler, 1999).

Bao nhiêu biến độc lập là vừa cho một khóa luận

Không có một con số cố định cho mọi đề tài. Với sinh viên mới chạy phân tích, khoảng ba đến sáu biến độc lập thường dễ quản lý hơn mô hình có hơn mười biến. Bạn cần tính cỡ mẫu theo số biến, số biến quan sát và phương pháp phân tích, sau đó kiểm tra khả năng thu thập thực tế.

Nếu mô hình dài vì bạn muốn đưa tất cả yếu tố có thể có vào, hãy quay lại câu hỏi nghiên cứu. Mỗi biến cần có định nghĩa, thang đo, giả thuyết và lý do giữ lại.

Làm sao biết đề tài đã đủ khác biệt

Khác biệt không nhất thiết là phát minh một mô hình hoàn toàn mới. Bạn có thể tạo khoảng trống bằng cách chọn bối cảnh mới, nhóm người dùng cụ thể, nền tảng mới hoặc kiểm tra một mối quan hệ chưa được xem xét trong bối cảnh của bạn.

Hãy lập bảng gồm các nghiên cứu đã đọc, đối tượng, biến, phương pháp và hạn chế. Sau đó viết một câu khoảng trống có thể kiểm chứng, chẳng hạn “các nghiên cứu trước tập trung vào người dùng nói chung, trong khi nhóm sinh viên tại địa bàn X chưa được xem xét”.

Sau khi chốt một đề tài, việc tiếp theo trong file của bạn là lập bảng biến nghiên cứu, xác định nguồn người trả lời và tính cỡ mẫu dự kiến. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể xem M4 phân tích dữ liệu thật bằng SPSS và SmartPLS.