TAM là gì? Mô hình chấp nhận công nghệ và cách áp dụng

Mô hình TAM là gì

TAM là viết tắt của Technology Acceptance Model, tiếng Việt thường gọi là mô hình chấp nhận công nghệ. Mô hình này giải thích vì sao một người có ý định sử dụng và thực sự sử dụng một hệ thống, ứng dụng hoặc nền tảng công nghệ. Nếu đề tài của bạn nghiên cứu Internet banking, ví điện tử, hệ thống học trực tuyến, ứng dụng đặt xe hoặc phần mềm doanh nghiệp, TAM có thể là điểm bắt đầu phù hợp.

Fred D. Davis giới thiệu TAM trong nghiên cứu về perceived usefulness và perceived ease of use đối với việc chấp nhận công nghệ (Davis, 1989). Hai khái niệm trung tâm là perceived usefulness, thường dịch là nhận thức tính hữu ích, và perceived ease of use, thường dịch là nhận thức tính dễ sử dụng. Mô hình gốc cho rằng người dùng có xu hướng hình thành thái độ và ý định sử dụng khi họ thấy công nghệ hữu ích và dễ thao tác.

Bạn có thể đọc thêm phần tổng quan tại bài mô hình chấp nhận công nghệ TAM hoặc xem bài TAM là gì nếu đang cần đối chiếu thuật ngữ trước khi xây dựng mô hình.

TAM không phải là một bảng câu hỏi cố định dùng cho mọi đề tài. Bạn cần xác định công nghệ, đối tượng khảo sát và bối cảnh sử dụng, sau đó điều chỉnh biến quan sát, giả thuyết và thang đo cho phù hợp. Đây là điểm thường bị hỏi khi bảo vệ, vì cùng một biến “tính dễ sử dụng” nhưng cách diễn đạt cho ứng dụng ngân hàng sẽ khác hệ thống học trực tuyến.

Các thành phần trong mô hình TAM

Mô hình TAM gốc thường được trình bày với chuỗi quan hệ từ nhận thức đến thái độ, ý định và hành vi sử dụng. Một số nghiên cứu rút gọn bằng cách bỏ biến thái độ, nhưng bạn phải nêu rõ lý do dựa trên mô hình và bối cảnh nghiên cứu.

Trong mô hình gốc, PEOU có thể ảnh hưởng đến PU. Một hệ thống càng dễ thao tác thì người dùng càng dễ nhận ra lợi ích của nó. PU và PEOU có thể ảnh hưởng đến ATU, sau đó ATU ảnh hưởng đến BI, còn BI liên quan đến AU. Tuy nhiên, sơ đồ cuối cùng phải phù hợp với mục tiêu và dữ liệu bạn có thể thu thập.

Bạn nên phân biệt biến “ý định sử dụng” với “hành vi sử dụng thực tế”. Một người có thể đánh giá ứng dụng hữu ích và nói rằng họ sẽ sử dụng, nhưng dữ liệu thực tế lại không ghi nhận tần suất sử dụng tương ứng. Nếu bảng hỏi chỉ đo ý định, bạn không nên kết luận rằng mô hình đã giải thích hành vi sử dụng thực tế.

Mô hình TAM gốc và các mở rộng phổ biến

Khi tìm kiếm “tam 2 là gì” hoặc “tam 3 là gì”, bạn đang gặp các phiên bản mở rộng của TAM. Các phiên bản này bổ sung yếu tố giải thích vì sao người dùng hình thành nhận thức về tính hữu ích, thay vì chỉ kiểm tra hai nhận thức đó có ảnh hưởng đến ý định hay không.

TAM 2 do Venkatesh và Davis mở rộng theo hướng giải thích nguồn hình thành của perceived usefulness. Các nhóm yếu tố thường được thảo luận gồm ảnh hưởng xã hội và các yếu tố nhận thức liên quan đến công việc, kết quả đầu ra, mức độ phù hợp và khả năng chứng minh kết quả. Khi áp dụng, bạn không nên đưa toàn bộ biến của TAM 2 vào mô hình chỉ vì thấy danh sách dài hơn. Hãy chọn các yếu tố có liên hệ trực tiếp với bối cảnh công nghệ của đề tài.

TAM 3 tiếp tục mở rộng phần giải thích perceived ease of use. Phiên bản này quan tâm đến các yếu tố khiến người dùng cảm thấy công nghệ dễ hoặc khó sử dụng, chẳng hạn niềm tin vào khả năng tự thao tác, cảm nhận kiểm soát và lo lắng khi dùng máy tính. Nếu đề tài của bạn chỉ cần kiểm tra ý định sử dụng một ứng dụng quen thuộc, TAM gốc có thể đủ rõ và dễ kiểm định hơn.

Một hướng mở rộng khác là kết hợp TAM với UTAUT, TPB hoặc các mô hình chất lượng hệ thống. UTAUT do Venkatesh và cộng sự đề xuất là một mô hình riêng, không nên gọi mọi mô hình có biến hữu ích và dễ sử dụng là TAM 3 (Venkatesh và cộng sự, 2003). Với công nghệ tiêu dùng, UTAUT2 bổ sung các yếu tố phù hợp hơn với hành vi người dùng cá nhân (Venkatesh và cộng sự, 2012).

Bạn có thể xem thêm mô hình TAM để so sánh cách đặt tên giữa mô hình gốc và các phiên bản mở rộng. Khi viết chương cơ sở lý thuyết, hãy ghi rõ bạn sử dụng TAM gốc, TAM 2, TAM 3 hay mô hình kết hợp.

Thang đo thường dùng cho từng khái niệm

Davis là nguồn thang đo nền tảng cho PU và PEOU trong TAM (Davis, 1989). Bạn có thể tham khảo các biến quan sát gốc, nhưng bản dịch tiếng Việt chỉ là điểm khởi đầu. Một biến quan sát cần được điều chỉnh để người trả lời hiểu đúng công nghệ đang nghiên cứu.

Nếu nghiên cứu dịch vụ trực tuyến, bạn có thể thêm biến chất lượng cảm nhận, niềm tin hoặc rủi ro, nhưng mỗi biến phải có cơ sở lý thuyết và nguồn thang đo riêng. Không nên gộp một loạt câu hỏi vào PU chỉ vì chúng đều nói về trải nghiệm tốt. PU đo lợi ích đối với hiệu quả sử dụng, còn sự an toàn, niềm tin và sự hài lòng là các khái niệm khác.

Với bảng hỏi, Likert 5 hoặc 7 mức đều có thể dùng nếu bạn nhất quán trong toàn bộ công cụ. Hãy kiểm tra câu chữ qua một vòng thử nghiệm nhỏ, đặc biệt với các thuật ngữ như “năng suất”, “hiệu quả” và “dễ sử dụng”. Nếu người trả lời hiểu mỗi từ theo một cách, kết quả Cronbach's Alpha hoặc EFA đẹp cũng chưa đủ để chứng minh thang đo phù hợp.

Áp dụng TAM vào đề tài của bạn

Giả sử bạn nghiên cứu ý định sử dụng ứng dụng học trực tuyến của sinh viên. Một mô hình vừa sức có thể gồm PEOU, PU, thái độ và BI. Mô hình này không khẳng định trước rằng kết quả của bạn sẽ đạt hay giả thuyết sẽ được chấp nhận. Nó chỉ minh họa cách chuyển lý thuyết thành mô hình có thể kiểm định.

Bạn có thể xây dựng bốn giả thuyết như sau:

• H1: Nhận thức tính dễ sử dụng ảnh hưởng tích cực đến nhận thức tính hữu ích của ứng dụng học trực tuyến.
• H2: Nhận thức tính hữu ích ảnh hưởng tích cực đến thái độ đối với việc sử dụng ứng dụng học trực tuyến.
• H3: Nhận thức tính dễ sử dụng ảnh hưởng tích cực đến thái độ đối với việc sử dụng ứng dụng học trực tuyến.
• H4: Thái độ đối với việc sử dụng ảnh hưởng tích cực đến ý định sử dụng ứng dụng học trực tuyến.

Trong chương 3, bạn cần định nghĩa đối tượng khảo sát, thời gian sử dụng tối thiểu nếu có, thang Likert, cách mã hóa biến và tiêu chí loại phiếu. Tên biến trong SPSS hoặc SmartPLS phải nhất quán, chẳng hạn PU1 đến PU4, PEOU1 đến PEOU4, ATU1 đến ATU3 và BI1 đến BI3.

Cách viết vào luận văn có thể điều chỉnh như sau: “Dựa trên mô hình TAM của Davis (Davis, 1989), nghiên cứu đề xuất rằng nhận thức tính dễ sử dụng ảnh hưởng đến nhận thức tính hữu ích và thái độ đối với việc sử dụng, trong khi thái độ ảnh hưởng đến ý định sử dụng [tên công nghệ] của [đối tượng khảo sát].”

Nếu đề tài cần giải thích ảnh hưởng xã hội, bạn có thể tham khảo UTAUT thay vì thêm biến một cách tùy ý. Nếu đề tài nghiên cứu chất lượng hệ thống và lợi ích đạt được, mô hình IS Success của DeLone và McLean có thể là hướng so sánh phù hợp hơn.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn muốn kiểm định độ tin cậy thang đo, chạy EFA, hồi quy tuyến tính, kiểm định trung gian hoặc kiểm định điều tiết bằng các thủ tục phù hợp. Quy trình thường bắt đầu với Cronbach's Alpha, tiếp theo là EFA nếu thiết kế nghiên cứu cần khám phá cấu trúc, rồi hồi quy để kiểm tra các quan hệ giữa biến tổng hợp.

Trong SPSS, bạn mở Analyze > Scale > Reliability Analysis để chạy Cronbach's Alpha. Đưa các biến quan sát của từng khái niệm vào cùng một lần chạy, kiểm tra Corrected Item-Total Correlation và cột Cronbach's Alpha if Item Deleted. Việc xóa biến phải dựa trên nội dung lý thuyết và kết quả, không xóa liên tục chỉ để làm Alpha tăng.

Để chạy EFA, chọn Analyze > Dimension Reduction > Factor. Kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê thường được dùng làm điều kiện xem xét EFA (Kaiser, 1974). Factor loading từ 0.5 trở lên là một ngưỡng tham khảo thường được trích dẫn (Hair và cộng sự, 2010). EFA hiếm khi ra đẹp ở lần chạy đầu. Bạn cần ghi lại biến nào bị loại và lý do qua từng vòng.

Nếu dùng SmartPLS, hãy chuẩn bị file .csv với mỗi dòng là một người trả lời và mỗi cột là một biến quan sát. Vẽ measurement model, gán các biến PU, PEOU, ATU và BI vào đúng construct, sau đó chạy PLS Algorithm. Đọc Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients và Bootstrapping.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều quan hệ dự báo hoặc bạn muốn đánh giá đồng thời measurement model và structural model. Với PLS-SEM, outer loading từ 0.7, CR từ 0.7 và AVE từ 0.5 là các ngưỡng thường được tham khảo (Hair và cộng sự, 2022) và (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015). VIF dưới 5 là ngưỡng được báo cáo phổ biến (Hair và cộng sự, 2019).

Khi kiểm định đường dẫn, bạn cần báo cáo path coefficient, t-value, p-value và khoảng tin cậy nếu dùng bootstrapping. Hair và cộng sự khuyến nghị 5.000 bootstrap subsamples trong quy trình PLS-SEM (Hair và cộng sự, 2022). CFI, TLI và RMSEA thuộc nhóm chỉ số fit của CB-SEM, vì vậy không đưa các chỉ số này vào phần đánh giá mô hình SmartPLS.

Bạn có thể dùng bảng minh họa sau để nhận diện tên cột, nhưng các con số chỉ là số liệu minh họa, không phải kết quả của nghiên cứu cụ thể.

Nếu bạn sử dụng hồi quy trong SPSS, hãy kiểm tra VIF, phần dư và các giả định cần thiết trước khi kết luận. Durbin-Watson trong khoảng 1 đến 3 là một ngưỡng tham khảo cho tự tương quan phần dư (Field, 2013). Cuối cùng, kết luận phải bám vào p-value, dấu của hệ số và câu hỏi nghiên cứu, không chỉ dựa vào việc một chỉ số vượt ngưỡng.

Lỗi thường gặp khi dùng mô hình TAM

Lỗi đầu tiên là gọi mọi mô hình có PU và PEOU là TAM 2 hoặc TAM 3. Bạn cần kiểm tra biến bổ sung và lập luận lý thuyết trước khi đặt tên phiên bản. Nếu chỉ dùng PU, PEOU và BI, hãy mô tả đó là mô hình TAM được điều chỉnh cho bối cảnh nghiên cứu.

Lỗi thứ hai là lấy thang đo tiếng Anh, dịch từng chữ rồi đưa thẳng vào bảng hỏi. Cách làm này dễ tạo câu khó hiểu hoặc trùng nghĩa. Bạn nên giữ mã biến ổn định, rà lại ngữ cảnh công nghệ và kiểm tra thử trên nhóm người có đặc điểm gần với mẫu chính.

Lỗi thứ ba là thêm quá nhiều biến vì muốn mô hình “đầy đủ”. Mỗi construct kéo theo biến quan sát, giả thuyết, kiểm định và phần giải thích trong chương 4. Một mô hình gọn nhưng có lập luận rõ thường dễ bảo vệ hơn mô hình dài mà dữ liệu không đủ.

Lỗi thứ tư là kết luận “TAM đúng” chỉ vì một vài giả thuyết có p-value nhỏ. Kết quả kiểm định chỉ cho biết bằng chứng trong mẫu và mô hình bạn đã chọn. Bạn vẫn phải báo cáo các giả thuyết không được ủng hộ, kiểm tra thang đo và nêu giới hạn của dữ liệu.

Cuối cùng, đừng trộn tiêu chí của SPSS, SmartPLS và AMOS. SPSS thiên về phân tích thang đo và hồi quy, SmartPLS đánh giá measurement model và structural model theo PLS-SEM, còn AMOS thuộc hướng CB-SEM. Chọn công cụ từ mô hình, cỡ mẫu và mục tiêu kiểm định, không chọn theo thói quen của người khác.

Câu hỏi thường gặp

TAM là gì và dùng để làm gì?

TAM là Technology Acceptance Model, mô hình giải thích việc người dùng chấp nhận công nghệ. Hai biến trung tâm là perceived usefulness và perceived ease of use, thường được dùng để giải thích thái độ, ý định hoặc hành vi sử dụng.

TAM 2 là gì?

TAM 2 là hướng mở rộng TAM, tập trung giải thích các yếu tố xã hội và nhận thức khiến người dùng đánh giá một công nghệ hữu ích. Bạn chỉ nên dùng TAM 2 khi các biến bổ sung có liên hệ rõ với bối cảnh nghiên cứu và có thang đo phù hợp.

TAM 3 là gì?

TAM 3 mở rộng phần giải thích nhận thức tính dễ sử dụng, đồng thời tiếp tục xem xét các yếu tố ảnh hưởng đến nhận thức tính hữu ích. Mô hình này có nhiều thành phần hơn TAM gốc, nên cần cỡ mẫu, bảng hỏi và lập luận lý thuyết tương ứng.

Dùng TAM trong SPSS hay SmartPLS tốt hơn?

Cả hai đều có thể dùng, tùy thiết kế nghiên cứu. SPSS phù hợp với Cronbach's Alpha, EFA và hồi quy; SmartPLS phù hợp khi bạn muốn đánh giá đồng thời biến tiềm ẩn, outer loading, AVE, HTMT và các path coefficient.

Có bắt buộc phải dùng đủ các biến của TAM không?

Bạn không bắt buộc dùng đủ mọi biến của phiên bản gốc hoặc phiên bản mở rộng. Tuy vậy, việc lược bỏ biến phải được giải thích trong cơ sở lý thuyết và phù hợp với mục tiêu nghiên cứu, dữ liệu thu thập được và giả thuyết đã đặt ra.

Thang đo TAM có cần dịch và kiểm định lại không?

Có. Thang đo tham khảo cần được dịch, điều chỉnh theo bối cảnh Việt Nam và kiểm tra bằng dữ liệu của chính đề tài. Bạn không nên xem một thang đo từ nghiên cứu trước là đã được xác nhận cho mọi ứng dụng, nhóm người dùng và thời điểm.

Mở file đề cương và dữ liệu của bạn, chốt phiên bản TAM, danh sách construct, mã biến và các giả thuyết trước khi chạy kiểm định; nếu cần xây dựng mô hình, thang đo và bảng hỏi theo đề tài cụ thể, bạn có thể dùng M3 của DoThesis.