ĐÁNH GIÁ VÀ KIỂM CHỨNG NĂNG LỰC SỐ CỦA SINH VIÊN TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI
DOI:
https://doi.org/10.59266/houjs.2026.1217Từ khóa:
năng lực số, đánh giá dựa trên bài kiểm tra, phân tích nhân tố khám phá (EFA), kỹ năng số, giáo dục đại họcTóm tắt
Nghiên cứu này xây dựng và kiểm chứng bài đánh giá năng lực số của sinh viên Trường Đại học Mở Hà Nội theo sáu miền của Khung năng lực số quốc gia. Dữ liệu từ 399 sinh viên được phân tích bằng Cronbach’s alpha và phân tích nhân tố khám phá (EFA) nhằm đánh giá độ tin cậy và cấu trúc của thang đo. Kết quả cho thấy thang đo có độ tin cậy tổng thể rất tốt (α = 0,90); EFA trích xuất 6 nhân tố (eigenvalue > 1), giải thích 51,9% phương sai; KMO = 0,910 và kiểm định Bartlett χ²(406) = 3705,94; p < 0,001. Điểm trung bình đạt 21,49/30 (71,6%); miền Khai thác dữ liệu và thông tin đạt mức thấp nhất (52,3%), trong khi An toàn và an sinh số cao nhất (80,4%). Kết quả gợi ý cần ưu tiên xây dựng các mô-đun đào tạo về khai thác và đánh giá thông tin, cũng như tìm kiếm dữ liệu học thuật cho sinh viên.
Tài liệu tham khảo
Bộ Giáo dục và Đào tạo. (2025). Thông tư 02/2025/TT-BGDĐT. https://vanban. chinhphu.vn/?pageid=27160&docid= 212648
Bawden, D. (2001). Information and digital literacies: A review of concepts. Journal of Documentation, 57(2), 218-259. https://doi.org/10.1108/ EUM0000000007083
Costello, A. B., & Osborne, J. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research, and Evaluation, 10(7), 1-9. https://doi.org/10.7275/jyj1-4868
DeVellis, R. F. (2016). Scale development: Theory and applications (4th ed.). SAGE Publications.
Ferrari, A. (2013). DIGCOMP: A framework for developing and understanding digital competence in Europe (EUR 26035). Publications Office of the European Union. https://doi.org/10.2788/52966
George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference (4th ed.). Allyn & Bacon.
Guadagnoli, E., & Velicer, W. F. (1988). Relation of sample size to the stability of component patterns. Psychological Bulletin, 103(2), 265-275. https://doi.org/10.1037/0033-2909.103.2.265
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Matsunaga, M. (2010). How to factor- analyze your data right: Do’s, don’ts, and how-to’s. International Journal of Psychological Research, 3(1), 97-110. https://doi.org/10.21500/20112084.854
Martzoukou, K., Fulton, C., Kostagiolas, P., & Lavranos, C. (2020). A study of higher education students’ self-perceived digital competences. Journal of Documentation, 76(6), 1413-1458. https://doi.org/10.1108/JD-03-2020-0041
Stevens, J. P. (2009). Applied multivariate statistics for the social sciences (5th ed.). Routledge. https://doi.org/10.4324/9780203843130
Taber, K. S. (2018). The use of Cronbach’s alpha when developing and reporting research instruments in science education. Research in Science Education, 48, 1273-1296. https://doi.org/10.1007/s11165-016-9602-2
UNESCO-UNEVOC. (2024). Digital competence frameworks for teachers, learners and citizens. https://unevoc.unesco.org/home/Digital+Competence+Frameworks
Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens - With new examples of knowledge, skills and attitudes. Publications Office of the European Union. https://doi.org/10.2760/115376
