Tỷ lệ người trẻ Việt tâm sự với AI có thể đo lường bằng những chỉ số nào

Mục lục

Một người mở chatbot lúc nửa đêm và nhập: “Mình không biết phải nói chuyện này với ai.” Đó có thể là khoảnh khắc giãi bày thật sự. Trong khi đó, câu hỏi “Làm sao giảm căng thẳng trước kỳ thi?” có thể chỉ là tra cứu thông tin. Nếu gom hai hành vi vào cùng một nhóm, con số về người trẻ tâm sự với AI sẽ khó phản ánh đúng thực tế.

Ba chỉ số cốt lõi cần được công bố trước tiên là: tỷ lệ đã từng tâm sự với AI, tỷ lệ tâm sự trong một khoảng thời gian xác định và tần suất tâm sự. Các chỉ số mở rộng về chủ đề, động cơ, độ sâu, mức thay thế và tác động giúp giải thích con số đó.

• Đo đúng hành vi và phạm vi
• Ba chỉ số cốt lõi
• Chỉ số mở rộng về chiều sâu
• Mức thay thế và tác động
• Kết hợp các phương pháp đo
• Kiểm soát mẫu khảo sát
• Đọc và công bố kết quả

Đo đúng hành vi và phạm vi

Một phiên chatbot có thể bắt đầu bằng bài toán, tiếp tục bằng câu hỏi nghề nghiệp rồi kết thúc bằng lời kể về nỗi sợ thất bại. Dữ liệu ghi nhận được cuộc trò chuyện, nhưng chưa cho biết mục đích chính của người dùng.

Nếu chỉ hỏi “Bạn có sử dụng AI không?”, kết quả sẽ trộn lẫn dịch thuật, viết thư, sửa mã, tra cứu và giãi bày cảm xúc. Con số thu được phản ánh mức phổ biến của công nghệ, không phản ánh riêng mức độ sử dụng AI để giãi bày.

Để mọi tỷ lệ có thể được kiểm tra và diễn giải đúng, nghiên cứu cần dùng một khung phương pháp thống nhất gồm bốn trường:

• Quần thể: nhóm tuổi, nơi cư trú, điều kiện tham gia và phạm vi mà mẫu có thể đại diện.
• Hành vi: điều kiện để một người được tính vào tử số, dựa trên mục đích và trải nghiệm cá nhân.
• Khoảng nhớ lại: “đã từng”, một giai đoạn gần đây hoặc một mốc thời gian cụ thể.
• Mẫu số: toàn bộ người đủ điều kiện, người từng dùng AI hoặc người đã tâm sự với AI, tùy câu hỏi.

Ví dụ, nếu khảo sát 1.000 người hợp lệ, có 600 người từng dùng chatbot và 180 người từng tâm sự, tỷ lệ là 180/1.000 khi đo độ phổ biến trong toàn mẫu. Nếu muốn biết hành vi này phổ biến đến đâu trong nhóm đã tiếp cận AI, tỷ lệ là 180/600. Phạm vi đại diện của cả hai kết quả vẫn phụ thuộc vào cách tuyển 1.000 người ban đầu.

“Tâm sự với AI” khác gì hỏi bài hoặc tìm thông tin?

Trong đo lường, “tâm sự” có thể được định nghĩa là hành vi chủ động chia sẻ cảm xúc, chuyện riêng, xung đột quan hệ, áp lực hoặc khó khăn cá nhân với chatbot để được lắng nghe, phản hồi, trấn an hay gợi ý cách ứng phó. Các yêu cầu thuần túy như giải bài tập, tóm tắt tài liệu hoặc tra cứu triệu chứng chung không thuộc tử số.

“Hãy giải thích các dấu hiệu thường gặp khi một người căng thẳng” chủ yếu là yêu cầu thông tin. Còn “Mấy tuần nay mình căng thẳng, không ngủ được trước ngày thuyết trình; hãy nghe mình kể” chứa trải nghiệm cá nhân và nhu cầu được tiếp nhận.

Với phiên vừa hỏi kiến thức vừa kể chuyện riêng, bảng hỏi nên xác định mục đích chính của cuộc trò chuyện gần nhất và cho phép chọn mục đích phụ. Cách này phản ánh ý định tốt hơn việc dò một vài từ khóa.

Ai được tính là “người trẻ Việt”?

“Người trẻ” không có một ranh giới cố định cho mọi nghiên cứu. Đơn vị khảo sát phải quy định trước khoảng tuổi, nơi cư trú và tiêu chí xác định đối tượng Việt Nam. Khảo sát nhóm 16–24 tuổi đang sống tại Việt Nam không thể được so sánh trực tiếp với khảo sát người 18–30 tuổi.

Quần thể có thể là toàn bộ nhóm tuổi đã chọn hoặc chỉ gồm học sinh, sinh viên, người đi làm, cư dân đô thị hay người có kết nối internet. Khả năng tiếp cận thiết bị và nền tảng AI ảnh hưởng đến cơ hội sử dụng, nên giới hạn này phải được ghi trong khung phương pháp.

Ba chỉ số cốt lõi

Ba chỉ số chính lần lượt trả lời: bao nhiêu người từng trải nghiệm, bao nhiêu người đang có hành vi trong giai đoạn được hỏi và hành vi lặp lại thường xuyên đến đâu. Mỗi chỉ số phải dẫn chiếu về bốn trường của khung phương pháp ở trên.

Tỷ lệ đã từng tâm sự với AI

Chỉ số là gì? Tỷ lệ người cho biết họ đã ít nhất một lần chia sẻ cảm xúc hoặc vấn đề cá nhân với chatbot.

Tính thế nào? Lấy số người đáp ứng định nghĩa hành vi chia cho mẫu số đã chọn. Trong ví dụ trên, kết quả có thể là 180/1.000 trong toàn mẫu hoặc 180/600 trong nhóm từng dùng chatbot.

Trả lời câu hỏi nào? Chỉ số cho biết độ phổ biến của trải nghiệm ban đầu, không cho biết hành vi còn tiếp diễn hay đã thành thói quen.

Câu hỏi có thể nêu cụ thể: “Bạn đã bao giờ kể với chatbot AI về cảm xúc, áp lực, chuyện tình cảm, gia đình hoặc khó khăn cá nhân để được phản hồi hay chưa?” Cách hỏi này rõ hơn cụm “hỗ trợ tinh thần”, vốn có thể được hiểu theo nhiều nghĩa.

Tỷ lệ tâm sự trong một khoảng thời gian

Chỉ số là gì? Tỷ lệ người có ít nhất một lần tâm sự với AI trong một khoảng nhớ lại thống nhất.

Tính thế nào? Lấy số người có hành vi trong giai đoạn được hỏi chia cho mẫu số xác định trước.

Trả lời câu hỏi nào? Chỉ số phản ánh hành vi gần đây và phù hợp hơn chỉ số “đã từng” khi cần theo dõi xu hướng.

Khoảng dài bao phủ được hành vi hiếm gặp nhưng dễ làm người tham gia nhớ sai. Khoảng quá ngắn có thể bỏ sót người dùng không đều. Khi so sánh giữa các đợt, phải giữ nguyên mốc nhớ lại; không thể đặt “bảy ngày gần nhất” cạnh “ba tháng gần đây” rồi kết luận mức sử dụng tăng hay giảm.

Kỳ thi, tìm việc, chuyển chỗ ở hoặc biến động quan hệ cũng có thể làm nhu cầu chia sẻ thay đổi. Vì vậy, biến động của tỷ lệ cần được đọc trong bối cảnh.

Tần suất tâm sự với AI

Chỉ số là gì? Mức lặp lại của hành vi, đo bằng số ngày, số phiên hoặc các nhóm tần suất được xác định trước.

Tính thế nào? Phân loại người tham gia theo ngưỡng như “một lần”, “vài lần không đều”, “hằng tuần” hoặc “nhiều ngày trong tuần”. Ngưỡng phải được chốt trước khi xem kết quả.

Trả lời câu hỏi nào? Chỉ số cho biết hành vi đã hình thành thói quen đến đâu, thay vì chỉ xác nhận có hoặc không.

Nghiên cứu có thể phân biệt một lời nhắn ngắn với một phiên nhiều lượt, cũng như nhiều phiên rời rạc với việc quay lại cùng một vấn đề. Tuy nhiên, tần suất không tự chứng minh tác động tích cực, tiêu cực hay sự lệ thuộc.

Một tỷ lệ tốt phải cho biết có bao nhiêu người, ai được tính, hành vi nào được tính và hành vi đó diễn ra trong khoảng thời gian nào.

Chỉ số mở rộng về chiều sâu

Hai người cùng mở chatbot ba lần trong một tuần có thể có nhu cầu rất khác nhau. Một người muốn sắp xếp suy nghĩ trước khi xin lỗi bạn; người kia cần nơi kể lại cảm giác cô độc mỗi tối. Vì vậy, ba chỉ số cốt lõi nên được bổ sung bằng chủ đề, động cơ và độ sâu.

Người tham gia có thể chọn nhiều phương án, nhưng nên xác định một lựa chọn chính. Ngôn ngữ câu hỏi cần trung tính để hạn chế việc che giấu hoặc giảm nhẹ hành vi.

Chủ đề tâm sự

Chỉ số là gì? Nhóm vấn đề người dùng chia sẻ, như học tập, công việc, định hướng tương lai, tình cảm, gia đình, cô đơn, tự ti, tài chính cá nhân hoặc áp lực quan hệ.

Tính thế nào? Có thể tính theo người để biết bao nhiêu cá nhân từng đề cập một chủ đề, hoặc theo phiên để biết chủ đề chiếm bao nhiêu trong hoạt động được ghi nhận.

Trả lời câu hỏi nào? Chỉ số giúp nhận diện nhu cầu nổi bật trong nhóm đã tâm sự với AI.

Nếu mỗi người được chọn nhiều chủ đề, tổng tỷ lệ có thể vượt 100% và báo cáo phải giải thích rõ. Các nội dung được chia sẻ không phải căn cứ chẩn đoán.

Động cơ sử dụng

Chỉ số là gì? Lý do người dùng chọn AI, chẳng hạn dễ tiếp cận, phản hồi nhanh, thuận tiện vào thời điểm riêng tư, cảm giác ít bị phán xét hoặc muốn tập diễn đạt trước khi nói trực tiếp.

Tính thế nào? Yêu cầu người tham gia chọn một động cơ chính và có thể bổ sung các động cơ phụ.

Trả lời câu hỏi nào? Chỉ số giải thích điều gì thúc đẩy lần thử đầu hoặc khiến người dùng quay lại.

Việc chọn AI hỗ trợ tâm lý không nhất thiết bắt nguồn từ mất niềm tin vào con người. Một sinh viên có thể dùng chatbot lúc khuya rồi trao đổi với người thân vào hôm sau. Khác biệt giữa các nhóm chỉ cho thấy mối liên hệ, chưa xác định nguyên nhân.

Độ sâu của cuộc trò chuyện

Chỉ số là gì? Mức riêng tư, thời lượng, số lượt trao đổi, việc quay lại câu chuyện cũ và cảm giác gắn bó với chatbot.

Tính thế nào? Câu hỏi có thể đi từ nêu tình huống chung đến kể trải nghiệm cá nhân, tiết lộ điều ít nói với người khác hoặc xem chatbot là nơi tâm sự chính.

Trả lời câu hỏi nào? Chỉ số giúp phân biệt một công cụ giải tỏa tạm thời với một kênh chia sẻ có vai trò sâu hơn.

Cảm giác “được lắng nghe”, “được thấu hiểu” và “nhận được câu trả lời hữu ích” cần được hỏi riêng. Một phiên dài có thể chỉ là bước chuẩn bị để người dùng tìm đến người phù hợp.

Tuy nhiên, tỷ lệ sử dụng và độ sâu vẫn chưa cho biết AI đang bổ sung hay thay thế kết nối ngoài đời. Muốn đánh giá tác động, cần đo thêm mức ưu tiên, trạng thái sau trò chuyện và khả năng tự kiểm soát.

Mức thay thế và tác động

Rủi ro đáng chú ý xuất hiện khi AI trở thành lựa chọn duy nhất, còn những cuộc trò chuyện cần thiết với bạn bè, gia đình, nhà trường hoặc người hỗ trợ chuyên môn liên tục bị trì hoãn. Ngược lại, chatbot cũng có thể giúp người dùng gọi tên cảm xúc, chuẩn bị câu chữ rồi chủ động tìm một người thật.

Vì thế, phần mở rộng này cần đo mức ưu tiên AI, trải nghiệm sau trò chuyện, khả năng kiểm soát và ảnh hưởng đến đời sống. Mục tiêu là nhận diện sự thu hẹp kênh hỗ trợ, không phải khiến người trẻ xấu hổ vì dùng chatbot.

Tỷ lệ ưu tiên AI hơn con người

Chỉ số là gì? Tỷ lệ người chọn AI trước, chọn AI như một phương án bổ sung hoặc chỉ chọn AI trong cùng một tình huống.

Tính thế nào? Đưa ra tình huống cụ thể và yêu cầu người tham gia chọn giữa AI, bạn bè, người thân, người yêu, thầy cô, đồng nghiệp hoặc người hỗ trợ chuyên môn.

Trả lời câu hỏi nào? Chỉ số phản ánh mức độ dịch chuyển kênh tâm sự và phân biệt sự thuận tiện tạm thời với xu hướng né tránh con người.

Người chọn AI đầu tiên nhưng vẫn sẵn sàng nói với bạn thân khác với người chỉ muốn trò chuyện cùng chatbot. Vì vậy, mức độ tin tưởng AI của người trẻ Việt nên được đo theo tình huống và độ nhạy cảm, không rút gọn thành một điểm chung.

Mức hữu ích và trạng thái sau trò chuyện

Chỉ số là gì? Trạng thái người dùng tự báo cáo sau cuộc trò chuyện, như nhẹ nhõm, hiểu vấn đề rõ hơn, không thay đổi, bối rối hoặc khó chịu hơn.

Tính thế nào? Hỏi riêng trạng thái tức thời và hành động tiếp theo, chẳng hạn nghỉ ngơi, ghi lại suy nghĩ, nói với người tin cậy, tìm hỗ trợ phù hợp hoặc tiếp tục trò chuyện nhiều giờ.

Trả lời câu hỏi nào? Chỉ số cho biết trải nghiệm có hữu ích hay tạo thêm khó khăn, thay vì chỉ đo mức “hài lòng”.

Cảm giác dễ chịu tức thời chưa chắc dẫn đến quyết định phù hợp. Phản hồi máy móc, lời khuyên thiếu bối cảnh và cảm giác bị hiểu sai cũng cần được ghi nhận.

Dấu hiệu mất kiểm soát

Thay vì hỏi “Bạn có nghiện AI không?”, khảo sát nên hỏi về trải nghiệm cụ thể: khó chịu khi không thể truy cập, tiếp tục lâu hơn dự kiến, mất ngủ, bỏ bữa, chậm công việc hoặc giảm gặp gỡ ngoài đời vì trò chuyện với chatbot.

Tiêu chí quan trọng là khả năng kiểm soát và ảnh hưởng chức năng. Một người dùng hằng ngày nhưng chủ động đặt giới hạn khác với người có ít phiên hơn nhưng thường bỏ lỡ sinh hoạt cần thiết. Những dấu hiệu này cho thấy vấn đề cần được tìm hiểu thêm, không phải là chẩn đoán.

Nếu ghi nhận trải nghiệm liên quan đến mất an toàn hoặc suy giảm chức năng rõ rệt, quy trình nghiên cứu cần có hướng dẫn hỗ trợ phù hợp.

Sử dụng nhiều chưa đủ để kết luận lệ thuộc; cần xem khả năng kiểm soát, mức thay thế quan hệ thật và ảnh hưởng đến đời sống hằng ngày.

Kết hợp các phương pháp đo

Mỗi phương pháp trả lời một phần khác nhau. Bảng hỏi đo được quy mô nhưng phụ thuộc vào trí nhớ. Dữ liệu hành vi ghi nhận thời điểm và tần suất nhưng chưa thể hiện đầy đủ ý định. Phỏng vấn làm rõ bối cảnh nhưng thường không đại diện cho cả cộng đồng.

• Bảng hỏi: tạo bức tranh rộng về hành vi tự báo cáo.
• Dữ liệu hành vi: kiểm tra tần suất, thời lượng và số phiên.
• Phỏng vấn: giải thích vì sao người dùng bắt đầu, tiếp tục hoặc ngừng.

Nếu các nguồn không trùng khớp, nghiên cứu cần tìm nguyên nhân thay vì chọn kết quả thuận tiện nhất. Với dữ liệu riêng tư, chỉ nên thu thập thông tin cần thiết, giải thích rõ mục đích và cho phép người tham gia rút lui.

Bảng hỏi chuẩn hóa

Bảng hỏi phải dùng cùng định nghĩa, khoảng thời gian và phương án trả lời cho mọi người. Thay vì yêu cầu ước lượng “mức sử dụng bình thường”, có thể hỏi về lần gần nhất: diễn ra khi nào, chủ đề chính là gì, có khoảng bao nhiêu lượt trao đổi và người dùng cảm thấy thế nào sau đó.

Ẩn danh, cho phép bỏ qua câu nhạy cảm và dùng lời văn trung tính giúp hạn chế câu trả lời mang tính xã hội mong đợi. Thử bảng hỏi với một nhóm nhỏ thuộc đối tượng mục tiêu cũng giúp phát hiện ranh giới mơ hồ giữa xin lời khuyên cá nhân và tra cứu thông tin.

Dữ liệu hành vi và quyền riêng tư

Dữ liệu hành vi có thể chỉ gồm thời điểm mở phiên, số phiên, thời lượng và số lượt trao đổi. Lượng thông tin tối giản này thường đã đủ để kiểm tra tần suất mà không cần đọc nội dung.

Nếu phải phân loại chủ đề từ văn bản, người tham gia cần biết:

• Phần dữ liệu nào được truy cập.
• Ai có quyền xem dữ liệu.
• Dữ liệu được lưu trong bao lâu.
• Họ có thể rút lại sự đồng thuận bằng cách nào.

Thông tin nhận diện phải được tách khỏi dữ liệu phân tích. Nhật ký của một nền tảng cũng chỉ là một lát cắt vì người tham gia có thể dùng nhiều tài khoản, thiết bị hoặc chatbot.

Phỏng vấn sâu

Phỏng vấn có thể bắt đầu bằng câu hỏi cụ thể: “Hãy kể về lần đầu bạn tìm đến chatbot để nói chuyện riêng.” Từ đó, người nghiên cứu tìm hiểu kỳ vọng, cảm giác an toàn, lý do quay lại và nguyên nhân ngừng sử dụng.

Phương pháp này giúp phân biệt giải tỏa cảm xúc, xin lời khuyên và thay thế quan hệ. Các câu chuyện có thể giải thích cơ chế và bối cảnh, nhưng không thay thế ước tính tỷ lệ.

Kiểm soát mẫu khảo sát

Chất lượng kết quả phụ thuộc vào cách tuyển mẫu. Biểu mẫu được chia sẻ trong cộng đồng yêu thích AI có thể thu hút nhiều người dùng thường xuyên. Mẫu tập trung ở đô thị, trường đại học hoặc ngành công nghệ cũng khó phản ánh người trẻ ở khu vực khác, người đã rời trường hay người ít tiếp cận thiết bị.

Báo cáo cần kiểm tra độ bao phủ theo tuổi, giới, vùng cư trú, tình trạng học tập, việc làm và khả năng tiếp cận công nghệ. Nhóm còn thiếu phải được nêu như một giới hạn của phạm vi đại diện.

Mẫu số phải bám sát câu hỏi

Áp dụng khung phương pháp đã nêu ở đầu bài, mỗi mục tiêu cần một mẫu số tương ứng:

• Độ phổ biến trong cộng đồng: toàn bộ người trẻ đủ điều kiện và có câu trả lời hợp lệ.
• Mức sử dụng để giãi bày trong nhóm người dùng: những người từng sử dụng AI.
• Chủ đề, động cơ và trạng thái sau trò chuyện: những người đã tâm sự với chatbot.

Báo cáo cũng cần nêu số câu trả lời hợp lệ và quy tắc xử lý dữ liệu thiếu. Nếu người bỏ qua câu nhạy cảm bị tính là “không tâm sự”, kết quả có thể bị kéo xuống; nếu loại họ hoàn toàn, mẫu phân tích có thể nghiêng về người cởi mở hơn.

Phân tầng dữ liệu hợp lý

Khi kích thước mẫu cho phép, có thể phân tầng theo nhóm tuổi, giới, vùng cư trú, tình trạng học tập, việc làm, mức tiếp cận internet và kinh nghiệm dùng AI. Tỷ lệ thấp ở một nhóm đôi khi phản ánh ít cơ hội sử dụng chứ chưa chắc là ít nhu cầu chia sẻ.

Chia mẫu quá nhỏ làm kết quả dao động mạnh và tăng nguy cơ nhận diện cá nhân. Những nhóm quá ít người nên được gộp hoặc không công bố.

Tỷ lệ không chứng minh quan hệ nhân quả

Khảo sát tại một thời điểm chỉ cho biết các yếu tố cùng xuất hiện. Nếu nhóm cảm thấy cô đơn dùng chatbot thường xuyên hơn, có thể họ chủ động tìm đến AI, việc sử dụng đi cùng sự thu hẹp kết nối hoặc cả hai chiều cùng tồn tại.

Vì vậy, nên dùng cách diễn đạt “có liên hệ với” hoặc “đi cùng với”, thay vì khẳng định nguyên nhân–kết quả. Theo dõi cùng một nhóm qua nhiều thời điểm có thể giúp tìm hiểu hướng tác động rõ hơn.

Đọc và công bố kết quả

Một bộ chỉ số hoàn chỉnh cần đo quy mô bằng ba chỉ số cốt lõi, sau đó giải thích kết quả qua chủ đề, động cơ, độ sâu, mức ưu tiên AI, trạng thái sau trò chuyện và khả năng kiểm soát.

Mục tiêu không phải cổ vũ mọi người dùng chatbot để tâm sự hoặc xem hành vi này là bất thường. AI có thể giúp chuẩn bị cho một cuộc trò chuyện khó, tìm từ ngữ mô tả cảm xúc hoặc nhìn lại vấn đề. Tuy nhiên, chatbot có thể phản hồi sai, bỏ sót bối cảnh và không thay thế người hỗ trợ phù hợp.

Khi nào khảo sát đủ sức trả lời?

Khảo sát chỉ đủ sức trả lời “bao nhiêu người đang tâm sự với AI” khi định nghĩa rõ quần thể, hành vi, khoảng nhớ lại và mẫu số. Nếu mẫu thực tế chỉ gồm sinh viên có internet tại một số cơ sở, tiêu đề và kết luận không nên mở rộng thành toàn bộ người trẻ Việt.

Danh sách kiểm tra cần được áp dụng như một điều kiện công bố:

• Quần thể phải nêu rõ khoảng tuổi, nơi cư trú, điều kiện tham gia và phạm vi đại diện.
• Hành vi phải dựa trên mục đích và trải nghiệm cá nhân, không chỉ dựa vào từ khóa.
• Khoảng nhớ lại và ngưỡng tần suất phải thống nhất.
• Mẫu số, cách xử lý dữ liệu thiếu và số câu trả lời hợp lệ phải được công khai.
• Dữ liệu riêng tư phải được giới hạn ở mức thật sự cần thiết.

Nếu chưa xác định đủ các trường trên, chưa nên công bố tỷ lệ.

Làm sao biến chỉ số thành hành động?

Chủ đề và động cơ phổ biến có thể định hướng nội dung hỗ trợ. Nếu nhiều người dùng AI để chuẩn bị cho cuộc trò chuyện khó, hướng dẫn có thể tập trung vào cách diễn đạt nhu cầu, đặt ranh giới và chọn người đáng tin cậy.

Sau khi triển khai hướng dẫn hoặc tính năng bảo vệ, cần đo lại bằng cùng định nghĩa và phương pháp. Kết quả đáng mong đợi không nhất thiết là ít người tâm sự với AI hơn, mà có thể là nhiều người giữ được quyền kiểm soát và biết chuyển sang hỗ trợ phù hợp khi cần.

Câu hỏi thường gặp

Có thể so sánh hai tỷ lệ dùng mẫu số khác nhau không? Không nên so sánh trực tiếp. Tỷ lệ trên toàn bộ mẫu đo độ phổ biến trong cộng đồng, còn tỷ lệ trong nhóm đã dùng AI chỉ mô tả những người đã tiếp cận công nghệ.

Trước khi thực hiện hoặc công bố khảo sát, hãy hoàn tất bốn trường bắt buộc: quần thể, hành vi, khoảng nhớ lại và mẫu số.