Từ khóa: hành vi đọc học liệu số; trí tuệ nhân tạo tạo sinh; đọc sâu; giáo dục đại học; thư viện đại học.

Abstract: This study examines the factors influencing students’ digital academic reading behavior in the context of generative artificial intelligence (AI), with implications for policy development in academic libraries and higher education institutions in Vietnam. Based on a review of 25 publications (2020-2025) and an exploratory survey of 122 students, the findings indicate a shift from linear reading to fragmented reading, along with increasing reliance on summarized content. The study proposes a multi-layered analytical framework comprising individual, technological, and academic environmental factors, with AI conceptualized as a cognitive moderating variable. These factors shape reading strategies, which in turn influence the depth of information processing and deep reading behavior. AI not only facilitates information retrieval but also regulates information processing, potentially enhancing deep processing or encouraging superficial processing of academic content. The study highlights the need to develop deep reading competencies and promote responsible AI use in higher education.

Keywords: digital academic reading behavior; generative artificial intelligence; deep reading; higher education; academic libraries.

1. Đặt vấn đề

Chuyển đổi số trong giáo dục đại học đang tái cấu trúc môi trường học thuật toàn cầu, đặc biệt sau đại dịch COVID-19. Học liệu số, cơ sở dữ liệu điện tử, nền tảng học tập trực tuyến và tài nguyên mở không còn giữ vai trò bổ trợ mà đã trở thành hạ tầng tri thức cốt lõi (OECD, 2021; UNESCO, 2023). Trong bối cảnh này, hành vi đọc học thuật chuyển từ tuyến tính sang phi tuyến tính, đọc đa nguồn và siêu văn bản (Hahnel et al., 2022; Chen et al., 2022), với xu hướng điều hướng qua liên kết và từ khóa thay vì đọc tuần tự.

Từ cuối năm 2022, trí tuệ nhân tạo tạo sinh (GenAI) đã bổ sung một lớp trung gian mới trong tiếp cận tri thức. Theo UNESCO (2023), GenAI không chỉ hỗ trợ truy xuất mà còn tham gia tái cấu trúc tri thức thông qua tóm tắt, diễn giải và tổng hợp nội dung. IFLA (2023) cũng nhấn mạnh vai trò ngày càng tăng của AI trong hệ sinh thái thông tin, đặt ra yêu cầu tái định nghĩa năng lực đọc và đánh giá thông tin trong môi trường số.

Trong bối cảnh đó, sinh viên không chỉ đọc mà còn tương tác với AI để tìm kiếm, diễn giải và tái cấu trúc nội dung. AI không chỉ là công cụ hỗ trợ, mà đóng vai trò như một cơ chế điều tiết nhận thức, làm thay đổi cách người học tiếp cận, xử lý và diễn giải thông tin.

Các nghiên cứu giai đoạn 2020-2025 ghi nhận xu hướng gia tăng đọc phân mảnh và chọn lọc (She et al., 2025; Hahnel et al., 2022), giảm đọc toàn văn và tăng phụ thuộc vào từ khóa (Chang et al., 2023; Zhang et al., 2024), mở rộng đa nhiệm (Chen & Xiao, 2024) và sử dụng công cụ tóm tắt tự động (UNESCO, 2023). Đồng thời, một số nghiên cứu cảnh báo nguy cơ suy giảm đọc sâu và khả năng tập trung dài hạn (Wolf, 2018; OECD, 2021).

Tuy nhiên, các nghiên cứu hiện nay chủ yếu tiếp cận theo hai hướng: phân tích chiến lược đọc và năng lực đọc số (Chen et al., 2022; Nguyen  & Tuamsuk, 2023; Zhang et al., 2025); lý giải hành vi sử dụng công nghệ qua các mô hình như TAM (Technology acceptance model) (Davis, 1989; Lin & Yu, 2023) và UTAUT (Unified theory of acceptance and use of technology) (Venkatesh et al., 2003; She et al., 2025). Dù cung cấp nền tảng lý thuyết quan trọng, các tiếp cận này vẫn xem AI như công cụ, chưa tích hợp như một biến điều tiết có khả năng tái cấu trúc quá trình xử lý thông tin. Không chỉ làm thay đổi cường độ tác động của các yếu tố liên quan, AI còn có thể làm biến đổi, thậm chí đảo chiều quá trình nhận thức của người học, khi vừa hỗ trợ mở rộng xử lý chiều sâu, vừa tiềm ẩn nguy cơ thúc đẩy xử lý bề mặt thông qua các cơ chế tự động hóa nội dung.

Tại Việt Nam, chuyển đổi số giáo dục đại học được định hướng qua Quyết định 131/QĐ-TTg (2022) và Thông tư 02/2025/TT-BGDĐT. Các nghiên cứu trong nước ghi nhận sự gia tăng đọc số và vai trò của năng lực số (Nguyễn Thị Lan, 2023; Nguyễn Thị Lan và Tuamsuk, 2023), nhưng chủ yếu tập trung vào kỹ năng công cụ, chưa phân tích sâu hành vi đọc học liệu số dưới tác động của AI. Nghiên cứu còn phân tán, thiếu mô hình tích hợp giữa hành vi đọc, AI và cơ chế điều chỉnh học thuật.

Khoảng trống này cho thấy sự cần thiết phải xây dựng một khung phân tích đa tầng, trong đó AI được xem như biến điều tiết có khả năng tái cấu trúc chu trình đọc và ảnh hưởng đến mức độ đọc sâu tùy theo năng lực cá nhân và điều kiện môi trường.

Vì vậy, nghiên cứu hướng đến ba mục tiêu: tổng hợp các yếu tố ảnh hưởng đến hành vi đọc học liệu số giai đoạn 2020-2025; phân tích vai trò của AI như một biến điều tiết; đề xuất gợi mở chính sách cho thư viện và cơ sở giáo dục đại học Việt Nam.

Nghiên cứu đóng góp ở hai phương diện: về lý thuyết, đề xuất khung tích hợp đa tầng liên kết yếu tố cá nhân, công nghệ, môi trường học thuật và AI như biến điều tiết nhận thức; về thực tiễn, cung cấp cơ sở khoa học cho phát triển năng lực đọc học thuật số và năng lực AI trong giáo dục đại học Việt Nam.

2. Phương pháp nghiên cứu

Nghiên cứu được thiết kế theo hướng tổng quan lý thuyết kết hợp khảo sát thăm dò, nhằm xác lập các yếu tố cốt lõi ảnh hưởng đến hành vi đọc học liệu số của sinh viên trong bối cảnh AI tạo sinh. Nghiên cứu không nhằm kiểm định quan hệ nhân quả hay xây dựng mô hình dự báo, mà tập trung hệ thống hóa các tiếp cận lý thuyết để đề xuất khung phân tích phù hợp với bối cảnh giáo dục đại học tại Việt Nam.

Trên cơ sở rà soát có chọn lọc các công bố trong và ngoài nước, nghiên cứu tiến hành tổng hợp, phân nhóm và tái cấu trúc các yếu tố theo phương pháp phân tích nội dung. Khảo sát thăm dò được sử dụng nhằm bổ trợ diễn giải thực tiễn cho các lập luận lý thuyết.

Tài liệu được tìm kiếm trên các cơ sở dữ liệu học thuật uy tín như Scopus, Web of Science, SageJournals và Taylor & Francis… các bài toàn văn được bổ sung qua ResearchGate. Từ khóa được xây dựng theo logic song ngữ, bao gồm các nhóm liên quan đến đọc học liệu số, năng lực đọc số, giáo dục đại học, mô hình chấp nhận công nghệ và AI tạo sinh.

Quy trình sàng lọc gồm: loại bỏ trùng lặp và các nghiên cứu ngoài phạm vi; đọc tóm tắt để loại các nghiên cứu không liên quan hoặc thiếu khung lý thuyết; đọc toàn văn và mã hóa chủ đề. Từ 46 tài liệu ban đầu (2020-2025), 25 tài liệu đáp ứng tiêu chí được lựa chọn, trong đó có 3 tài liệu nền tảng trước 2020.

Tiêu chí lựa chọn: các công bố có phản biện; liên quan trực tiếp đến hành vi đọc học liệu số; có phân tích thực nghiệm hoặc khung lý thuyết rõ ràng; đề cập đến yếu tố công nghệ, năng lực đọc số hoặc AI.

Việc mã hóa được thực hiện theo phân tích chủ đề với 4 nhóm: hành vi đọc số; mô hình chấp nhận công nghệ; năng lực đọc số; vai trò trung gian/ điều tiết của AI. Cách tiếp cận này cho phép nhận diện xu hướng nghiên cứu và khoảng trống lý thuyết.

Nhóm tác giả thực hiện khảo sát với 122 sinh viên Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Hà Nội, theo phương pháp chọn mẫu thuận tiện, sử dụng thang đo Likert 5 mức tham chiếu từ thang đo của Chang et al (2023). Dữ liệu được xử lý bằng thống kê mô tả nhằm nhận diện xu hướng về nhận thức tính hữu ích, thói quen đọc số, điều kiện công nghệ và mức độ sử dụng AI.

Nghiên cứu tồn tại một số giới hạn: số lượng 25 tài liệu phản ánh phạm vi chọn lọc trong giai đoạn chuyển đổi số và AI, chưa bao quát toàn bộ tiến trình nghiên cứu; khảo sát tại một cơ sở và sử dụng thống kê mô tả nên không cho phép suy rộng hoặc kiểm định nhân quả; khung phân tích đề xuất cần được kiểm định thêm bằng các phương pháp như SEM hoặc nghiên cứu thực nghiệm.

Tuy nhiên, trong bối cảnh AI tạo sinh còn mới tại Việt Nam, cách tiếp cận kết hợp tổng quan và khảo sát thăm dò được xem là phù hợp để xây dựng nền tảng lý thuyết và định hướng chính sách dựa trên bằng chứng.

3. Kết quả và thảo luận

Kết quả tổng quan tài liệu giai đoạn 2020-2025

Trên cơ sở 25 tài liệu được sàng lọc, bài viết tổng hợp 4 hướng nghiên cứu chính: hành vi đọc học thuật số; năng lực đọc số và yếu tố bối cảnh; mô hình chấp nhận công nghệ; vai trò của AI. Qua đó làm rõ khoảng trống lý thuyết liên quan đến AI như một biến điều tiết trong cấu trúc hành vi đọc.

Sự chuyển dịch từ đọc tuyến tính sang đọc phân mảnh

Các nghiên cứu thực nghiệm nhất quán ghi nhận sự chuyển dịch từ đọc tuyến tính sang đọc phân mảnh và điều hướng siêu văn bản. Người học có xu hướng nhảy giữa các liên kết, ưu tiên đọc tóm tắt, quét nội dung và tìm kiếm theo từ khóa (Hahnel et al., 2022; Chang et al., 2023; Zhang et al., 2024; She et al., 2025).

Xu hướng này cho thấy hành vi đọc ngày càng mang tính chiến lược và tối ưu hóa thời gian, nhưng có nguy cơ làm suy giảm độ sâu xử lý thông tin nếu thiếu điều tiết nhận thức. Mặc dù đã có cảnh báo về suy giảm đọc sâu (Wolf, 2018; OECD, 2021), phần lớn nghiên cứu vẫn dừng ở mô tả xu hướng và chưa xem xét vai trò của AI trong việc tái cấu trúc quá trình này.

Năng lực đọc số và yếu tố bối cảnh

Một hướng nghiên cứu khác xem năng lực đọc số là yếu tố trung tâm. Các nghiên cứu chỉ ra vai trò của điều kiện công nghệ, môi trường học tập và hỗ trợ sư phạm trong việc hình thành năng lực này (Chen et al., 2022; Chen và Xiao, 2024). Đồng thời, động cơ đọc cũng đóng vai trò trung gian giữa năng lực và hành vi đọc (Zhang et al., 2025).

Tuy nhiên, các mô hình này vẫn xem môi trường công nghệ là nền tảng tĩnh và chưa tích hợp AI như một biến phân tích, trong khi AI đang làm thay đổi bản chất tương tác giữa người học và văn bản.

Tiếp cận qua mô hình chấp nhận công nghệ

Các mô hình như TAM và UTAUT giải thích tốt ý định và hành vi sử dụng công nghệ đọc số (Davis, 1989; Venkatesh et al., 2003; Lin & Yu, 2023; She et al., 2025). Tuy nhiên, trọng tâm của các mô hình này là sử dụng công nghệ, chưa phản ánh cấu trúc nhận thức của hành vi đọc.

Trong bối cảnh AI tạo sinh, giới hạn này trở nên rõ rệt khi AI không chỉ là công cụ mà còn tham gia đồng kiến tạo nội dung, vượt ra ngoài giả định ban đầu của các mô hình chấp nhận công nghệ.

AI tạo sinh và tái cấu trúc chu trình đọc

Từ năm 2023, UNESCO và IFLA ghi nhận AI tạo sinh có khả năng tóm tắt, diễn giải và tái cấu trúc nội dung học thuật. Tuy nhiên, AI chủ yếu được đề cập ở cấp độ chính sách và đạo đức, chưa được tích hợp vào mô hình hành vi đọc như một biến phân tích cụ thể.

Các nghiên cứu hiện tại chưa làm rõ liệu AI làm gia tăng xử lý bề mặt hay có thể hỗ trợ đọc sâu thông qua cơ chế hỗ trợ nhận thức.

Khoảng trống nghiên cứu

Tổng hợp các hướng nghiên cứu cho thấy: hành vi đọc số chuyển sang phân mảnh; năng lực đọc số chịu ảnh hưởng đa yếu tố; các mô hình công nghệ chưa phản ánh cấu trúc nhận thức; và AI chưa được tích hợp đầy đủ. Do đó, khoảng trống cốt lõi nằm ở việc lý giải cách AI tái cấu trúc chu trình đọc và điều tiết mức độ xử lý thông tin (nông - sâu), thay vì chỉ xem xét việc sử dụng công nghệ.

Tổng quan nghiên cứu trong nước

Nghiên cứu tại Việt Nam còn phân tán và phát triển muộn hơn so với quốc tế. Các khảo sát cho thấy sinh viên sử dụng học liệu số ở mức cao nhưng chủ yếu theo chiến lược truy xuất nhanh, lựa chọn theo từ khóa và ít đọc toàn văn (Nguyễn Thị Lan và Tuamsuk, 2023).

Các nghiên cứu định tính cũng chỉ ra hạn chế trong đánh giá nguồn tin và khai thác tài liệu học thuật, khi người học ưu tiên nguồn dễ tiếp cận hơn là nguồn có độ tin cậy cao (Nguyễn Thị Lan, 2023).

Ở cấp độ năng lực số, các nghiên cứu trong nước chủ yếu tập trung vào xây dựng khung năng lực và các nhóm năng lực cốt lõi trong môi trường số. Hành vi đọc học thuật thường được lồng ghép trong năng lực thông tin hoặc năng lực số nói chung hơn là được xem xét như một đối tượng nghiên cứu độc lập. Trong khi đó, các chính sách như Quyết định 131/QĐ-TTg và Thông tư 02/2025/TT-BGDĐT mới dừng ở khung năng lực tổng thể, chưa đề cập cụ thể đến hành vi đọc trong môi trường AI.

Nhìn chung, nghiên cứu trong nước chưa hình thành các mô hình tích hợp giải thích mối quan hệ giữa hành vi đọc học liệu số, AI và cơ chế điều chỉnh học tập, qua đó cho thấy sự cần thiết của một khung phân tích đa tầng phù hợp với bối cảnh giáo dục đại học tại Việt Nam.