Technostress trong đào tạo đại học: Tổng luận và khuyến nghị cho Trường Đại học Ngoại thương

1. Lời mở đầu

Trong hai thập kỷ qua, công nghệ số đã xâm nhập vào mọi ngóc ngách của đời sống, từ giao tiếp cá nhân đến quy trình quản trị tổ chức. Giáo dục đại học — vốn được coi là một trong những lĩnh vực bảo thủ nhất về phương pháp — cũng đang trải qua một cuộc cách mạng chuyển đổi số sâu rộng. Hệ thống quản lý học tập (Learning Management System — LMS), phần họp trực tuyến Zoom, Teams, Google Meet, nền tảng hợp tác nhóm Notion, Miro, Slack, và gần đây là các công cụ trí tuệ nhân tạo sinh tạo (generative AI) như ChatGPT, Claude, Gemini — tất cả đã trở thành công cụ không thể thiếu trong lớp học đại học.

Tuy nhiên, bên cạnh những lợi ích rõ ràng về năng suất, tiếp cận thông tin và khả năng hợp tác xuyên biên giới, một hiện tượng đáng lo ngại đang dần lộ diện: technostress — hay căng thẳng do công nghệ.

Khái niệm này không mới. Craig Brod đã đưa ra thuật ngữ "technostress" từ năm 1984 trong cuốn sách Technostress: The Human Cost of the Computer Revolution (Brod, 1984), khi đó để chỉ "sự phản ứng bất lợi về tâm thần và hành vi do tương tác với công nghệ máy tính gây ra" (Brod, 1984, trích trong 10.1177/089443938600400428). Kể từ đó, hàng loạt nghiên cứu đã xác lập technostress như một hiện tượng đa chiều, có nguồn gốc từ nhiều yếu tố khác nhau và dẫn đến hậu quả đa dạng cho cá nhân cũng như tổ chức.

Trong bối cảnh giáo dục đại học, technostress đang trở nên đặc biệt cấp thiết vì ba lý do. Thứ nhất, đại học là nơi mà cả giảng viên và sinh viên đều phải sử dụng công nghệ số với cường độ rất cao — từ việc nộp bài, chấm điểm, quản lý lớp học, đến tham gia các cuộc họp trực tuyến và nghiên cứu học thuật. Thứ hai, đại dịch COVID-19 (2020–2022) đã buộc các trường đại học trên toàn cầu chuyển đổi đột ngột sang hình thức dạy học trực tuyến hoàn toàn, tạo ra một "thí nghiệm tự nhiên" quy mô lớn về tác động của công nghệ đến sức khỏe tâm thần trong giáo dục (LeRoy, Kaufmann và Lane, 2023) (Mushtaque et al., 2022). Thứ ba, sự trỗi dậy của AI tạo sinh kể từ cuối năm 2022 đã mở ra một chương mới của technostress — khi giảng viên lo ngại về tính toàn vẹn học thuật, sinh viên đối mặt với áp lực cạnh tranh công nghệ, và cả hai bên phải học cách sử dụng AI một cách có trách nhiệm (Asad et al., 2026) (Özbay, 2026).

Bài viết này nhằm tổng luận hệ thống về technostress trong giáo dục đại học — từ khái niệm, lý thuyết nền tảng, các thành tố cấu thành, tác động đối với sinh viên và giảng viên, biện pháp ứng phó, đến đề xuất khuyến nghị cụ thể cho Trường Đại học Ngoại thương. Mục tiêu là cung cấp một bức tranh toàn diện, có hệ thống, dựa trên bằng chứng nghiên cứu, để phục vụ thảo luận chính sách và thực tiễn quản trị tại trường.

2. Khái niệm technostress: Từ khởi thủy đến hiện đại

2.1. Nguồn gốc của khái niệm

Thuật ngữ "technostress" lần đầu tiên được Craig Brod sử dụng vào năm 1984. Trong cuốn Technostress: The Human Cost of the Computer Revolution, Brod định nghĩa technostress là "một căn bệnh thích nghi gây ra sự phản ứng bất lợi về tâm thần và hành vi do tương tác với công nghệ máy tính" (Brod, 1984). Khái niệm này ra đời trong bối cảnh máy tính cá nhân mới bắt đầu phổ biến tại nơi làm việc, và nhiều người lao động cảm thấy bị đe dọa bởi sự thay đổi nhanh chóng của công nghệ.

Rosen và Weil (1995) mở rộng nghiên cứu về technostress thông qua việc phát triển thang đo Computer Anxiety Rating Scale (Rosen và Weil, 1995), tập trung vào cảm xúc lo âu, sợ hãi khi tương tác với máy tính. Nghiên cứu của họ cho thấy rằng khoảng 25–30% người trưởng thành ở Mỹ thể hiện mức độ lo âu máy tính đáng kể, và điều này ảnh hưởng trực tiếp đến hiệu suất công việc.

Tuy nhiên, khái niệm technostress thực sự được hệ thống hóa và trở thành một lĩnh vực nghiên cứu chuyên sâu nhờ công trình của nhóm Tarafdar, Ragu-Nathan và cộng sự. Trong một chuỗi các bài báo từ 2007 đến 2014, nhóm này đã:

1. Xây dựng thang đo technostress với bốn thành tố chính: techno-overload (quá tải công nghệ), techno-invasion (xâm lăng công nghệ), techno-complexity (độ phức tạp công nghệ), techno-insecurity (bất an công nghệ), và techno-uncertainty (bất định công nghệ) (Tarafdar, Tu và Ragu-Nathan, 2007).

1. Xây dựng thang đo technostress creators (yếu tố tạo ra technostress) và technostress inhibitors (yếu tố ức chế technostress) (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008) (Tarafdar, Tu và Ragu-Nathan, 2010).

1. Kiểm định mô hình tác động của technostress đến hiệu suất làm việc, sự hài lòng của người dùng, và thái độ đối với công nghệ (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008) (Tarafdar, Tu và Ragu-Nathan, 2010) (Tarafdar et al., 2014).

1. Khám phá "góc khuất" của technostress — khi sự phụ thuộc công nghệ dẫn đến các hành vi tiêu cực như sử dụng công nghệ cho mục đích riêng, vi phạm bảo mật, và phá vỡ ranh giới công việc – cuộc sống (Tarafdar, Tu và Ragu-Nathan, 2011).

Công trình của nhóm Tarafdar đã trở thành nền tảng lý thuyết quan trọng nhất cho nghiên cứu technostress trong hai thập kỷ qua, với hàng ngàn trích dẫn trên Google Scholar.

2.2. Các định nghĩa hiện đại

Theo Ragu-Nathan, Tarafdar và Ragu-Nathan (2008), technostress được định nghĩa là "sự căng thẳng tiêu cực mà người dùng nội bộ trải qua khi sử dụng hệ thống công nghệ thông tin" (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008). Định nghĩa này nhấn mạnh ba yếu tố then chốt:

• Tính tiêu cực: technostress là một dạng stress tiêu cực, có hại, không phải stress tích cực (eustress).
• Chủ thể là người dùng nội bộ: tập trung vào người sử dụng công nghệ trong tổ chức, không phải các yếu tố kỹ thuật bên ngoài.
• Nguồn gốc từ công nghệ thông tin: stress có nguồn gốc trực tiếp từ việc sử dụng, tương tác với hệ thống CNTT.

Wang, Tan và Li (2020) mở rộng định nghĩa trong bối cảnh giáo dục: "technostress là trạng thái căng thẳng tâm lý mà sinh viên trải qua khi sử dụng công nghệ trong môi trường học tập, đặc biệt khi cảm thấy khả năng sử dụng công nghệ của mình không phù hợp với yêu cầu môi trường" (Wang, Tan và Li, 2020). Định nghĩa này kết nối technostress với lý thuyết person-environment fit — một điểm quan trọng sẽ được phân tích chi tiết ở phần sau.

Penado Abilleira, Rodicio-García và Ríos-de-Deus (2020) xác lập một thang đo technostress riêng cho sinh viên đại học Tây Ban Nha, bao gồm các thành tố như cảm giác quá tải thông tin, lo ngại về quyền riêng tư, và áp lực luôn phải trực tuyến (Penado Abilleira et al., 2020).

Gần đây, Mubarak (2025) đề xuất một góc nhìn mới: technostress như một "khoảng cách số cấp bốn" (fourth-level digital divide) — tức là sự bất bình đẳng trong khả năng quản lý stress số giữa các cá nhân (Mubarak, 2025). Như vậy, ngay cả khi mọi người đều có khả năng tiếp cận và sử dụng công nghệ (khoảng cách số cấp 1 và 2), họ vẫn có thể khác biệt đáng kể về khả năng đối phó với technostress.

2.3. Technostress và techno-eustress

Một quan điểm quan trọng đang ngày càng được công nhận là technostress không chỉ có mặt tiêu cực. Tams và Turel (2026) phát hiện rằng technostress có hai chiều: techno-distress (căng thẳng công nghệ tiêu cực) và techno-eustress (căng thẳng công nghệ tích cực) (Tams và Turel, 2026). Techno-eustress là cảm giác kích thích, thách thức tích cực khi sử dụng công nghệ mới — tương tự như khái niệm "eustress" (stress tích cực) trong tâm lý học.

Nascimento, Correia và Califf (2024) tìm thấy rằng một số yếu tố như tự chủ công nghệ, hỗ trợ tổ chức, và khả năng học hỏi có thể chuyển hóa technostress tiêu cực thành techno-eustress trong giáo dục đại học (Nascimento, Correia và Califf, 2024). Fettahoglu và Yikilmaz (2025) cũng xác nhận vai trò trung gian của techno-eustress trong mối quan hệ giữa technostress và khả năng phục hồi của tổ chức (Fettahoglu và Yikilmaz, 2025).

Điều này có ý nghĩa quan trọng cho thực tiễn giáo dục: mục tiêu không phải là loại bỏ hoàn toàn technostress (vì điều đó gần như không thể trong kỷ nguyên số), mà là xây dựng năng lực để biến technostress thành động lực tích cực.

3. Technostress và các khái niệm liên quan

Phần này phân tích mối quan hệ giữa technostress và các khái niệm liên quan — giúp người đọc hiểu rõ hơn về vị trí của technostress trong bức tranh tổng thể về stress, công nghệ, và giáo dục.

3.1. Technostress vs. Computer Anxiety

Computer Anxiety (lo âu máy tính) là một trong những khái niệm sớm nhất liên quan đến technostress, được Rosen và Weil (1992, 1995) nghiên cứu chuyên sâu. Computer Anxiety tập trung vào sợ hãi — cảm xúc tiêu cực khi tương tác với máy tính. Technostress rộng hơn: bao gồm không chỉ sợ hãi mà còn quá tải, xâm lăng, bất an về vị trí, và bất định.

Mối quan hệ: Computer Anxiety có thể coi là một biểu hiện cụ thể của technostress, nhưng technostress bao gồm nhiều biểu hiện khác không liên quan trực tiếp đến sợ hãi. Ví dụ: một người không sợ máy tính nhưng cảm thấy quá tải thông tin (techno-overload) — đó là technostress nhưng không phải computer anxiety.

3.2. Technostress vs. Information Overload

Information Overload (quá tải thông tin) là tình trạng cá nhân nhận được lượng thông tin vượt quá khả năng xử lý. Techno-overload — một trong năm thành tố của technostress — gần gũi với khái niệm này nhưng rộng hơn: không chỉ quá tải thông tin mà còn quá tải nhiệm vụ công nghệ (phải sử dụng nhiều nền tảng, chuyển đổi liên tục).

Srinivasan (2020) nghiên cứu "Are we overwhelmed with this information?" và phát hiện rằng quá tải thông tin do công nghệ là yếu tố dự báo stress đáng kể (Srinivasan, 2020) (doi: 10.1016/j.ipm.2020.102307). Nghiên cứu gợi ý rằng quản lý quá tải thông tin — không chỉ quá tải công nghệ — là một chiến lược giảm technostress quan trọng.

3.3. Technostress vs. Nomophobia và FOMO

Nomophobia (no-mobile-phone phobia) là nỗi sợ không có điện thoại di động. FOMO (fear of missing out) là nỗi sợ bị bỏ lỡ thông tin, sự kiện, hoặc trải nghiệm mà người khác đang tham gia.

Cả nomophobia và FOMO có tương quan thuận với technostress — người bị nomophobia hoặc FOMO thường có mức technostress cao hơn. Tuy nhiên, mối quan hệ phức tạp hơn: nomophobia có thể vừa là nguyên nhân vừa là hậu quả của technostress. Khi cá nhân cảm thấy technostress cao (cần luôn kết nối), họ phát triển nomophobia; ngược lại, khi đã bị nomophobia, họ tăng cường kết nối → tăng technostress.

3.4. Technostress vs. Digital Fatigue

Digital Fatigue (mệt mỏi số) là cảm giác kiệt quệ do sử dụng công nghệ trong thời gian dài. Digital Fatigue gần gũi với technostress nhưng khác ở điểm quan trọng: technostress là một quá trình tâm lý phức tạp (bao gồm nhận thức, cảm xúc, hành vi), trong khi digital fatigue chủ yếu là trạng thái thể chất–tâm lý (mệt mỏi, kiệt sức).

Digital Fatigue có thể coi là một biểu hiện hoặc kết quả của technostress kéo dài.

3.5. Technostress vs. Burnout

Burnout (kiệt sức nghề nghiệp) là hội chứng gồm ba thành tố: kiệt quệ cảm xúc (emotional exhaustion), phi nhân cách hóa (depersonalization), và giảm thành tựu cá nhân (reduced personal accomplishment). Technostress có thể dẫn đến burnout — nhiều nghiên cứu đã xác nhận mối liên hệ này (Bencsik và Juhász, 2023) (Li, Seah và Yuen, 2025).

Tuy nhiên, burnout rộng hơn technostress: burnout có thể do nhiều nguyên nhân khác (quá tải công việc nói chung, xung đột với đồng nghiệp, thiếu tự chủ), không chỉ công nghệ. Technostress là một nguyên nhân cụ thể có thể dẫn đến burnout.

3.6. Technostress vs. Techno-eustress

Đây là phân biệt quan trọng nhất. Techno-eustress (căng thẳng công nghệ tích cực) là cảm giác kích thích, thách thức tích cực khi sử dụng công nghệ mới (Tams và Turel, 2026). Trong khi technostress (đặc biệt là techno-distress) làm giảm hiệu suất và sức khỏe, techno-eustress có thể làm tăng động lực, sáng tạo, và năng lực.

Mối quan hệ: Techno-distress và techno-eustress không phải hai cực của một thang đo đơn — chúng có thể tồn tại đồng thời. Một sinh viên vừa cảm thấy quá tải nền tảng (techno-distress) vừa cảm thấy hào hứng với AI mới (techno-eustress). Yếu tố quyết định là: năng lực cá nhân, hỗ trợ tổ chức, và cách tiếp cận công nghệ.

3.7. Khung tích hợp: "Quang phổ số" (Digital Spectrum)

Từ phân tích các khái niệm trên, có thể đề xuất khung "quang phổ số" (Digital Spectrum) để tổng hợp:

Khung này giúp người đọc hiểu rằng các hiện tượng trên không độc lập mà có liên hệ phức tạp, và can thiệp ở một điểm (ví dụ: giảm technostress) có thể có tác động lan tỏa đến các hiện tượng khác (giảm burnout, giảm cyberslacking).

4. Lý thuyết nền tảng

4.1. Lý thuyết Person-Environment Fit (Sự phù hợp người–môi trường)

Lý thuyết Person-Environment Fit (P-E Fit) là một trong những nền tảng lý thuyết quan trọng nhất để giải thích technostress. Khung lý thuyết này, khởi nguồn từ công trình của Kurt Lewin (1935) và được phát triển bởi nhiều nhà nghiên cứu trong tâm lý học tổ chức, cho rằng stress xảy ra khi có sự không phù hợp giữa đặc điểm của cá nhân và yêu cầu của môi trường.

Wang và Li (2019) áp dụng P-E Fit vào technostress giảng viên đại học, phát triển mô hình "multidimensional person-environment fit" (Wang và Li, 2019). Mô hình này cho rằng technostress phát sinh khi có sự không phù hợp giữa bốn loại nhu cầu của cá nhân và môi trường công nghệ:

1. Nhu cầu-năng lực (needs-supplies fit): sinh viên/giảng viên cần năng lực công nghệ mà môi trường không cung cấp (hoặc ngược lại).
2. Yêu cầu-khả năng (demands-abilities fit): môi trường đòi hỏi kỹ năng công nghệ vượt quá khả năng của cá nhân.
3. Sự phù hợp giá trị (value fit): giá trị cá nhân xung đột với cách công nghệ định hình quá trình học tập.
4. Sự phù hợp phong cách (style fit): phong cách làm việc/học tập cá nhân không phù hợp với thiết kế công nghệ.

Wang, Tan và Li (2020) kiểm định mô hình này trên sinh viên đại học và phát hiện rằng sự không phù hợp giữa yêu cầu công nghệ và khả năng tự chủ là yếu tố dự báo mạnh nhất về technostress (Wang, Tan và Li, 2020).

Palayoor và Mavoothu (2025) cụ thể hóa mô hình P-E Fit cho giáo dục: khi yêu cầu CNTT của trường đại học (sử dụng LMS, nộp bài online, họp Zoom) vượt quá khả năng và nguồn lực hỗ trợ mà giảng viên có, thì technostress phát sinh (Palayoor và Mavoothu, 2025).

4.2. Lý thuyết giao dịch về stress (Lazarus và Folkman)

Mô hình giao dịch về stress (transactional model of stress and coping) của Lazarus và Folkman (1984, 1986) là một khung lý thuyết nền tảng khác để hiểu technostress. Theo mô hình này, stress không phải là đặc điểm của môi trường hay của cá nhân, mà là kết quả của giao dịch giữa hai yếu tố (Lazarus và Folkman, 1986):

• Đánh giá ban đầu (primary appraisal): cá nhân đánh giá một tình huống công nghệ là đe dọa, thách thức, hay vô hại. Nếu đánh giá là đe dọa → stress.
• Đánh giá thứ cấp (secondary appraisal): cá nhân đánh giá khả năng đối phó — mình có đủ nguồn lực, kỹ năng, hỗ trợ để xử lý không?

Nếu đánh giá ban đầu cho rằng tình huống công nghệ là đe dọa VÀ đánh giá thứ cấp cho rằng khả năng đối phó không đủ → technostress phát sinh.

Theo khung này, technostress là một quá trình động, thay đổi theo thời gian và theo ngữ cảnh. Một giảng viên mới sử dụng Zoom có thể cảm thấy technostress cao trong tuần đầu tiên (đánh giá đe dọa cao, khả năng đối phó thấp), nhưng khi đã quen thuộc, mức technostress giảm xuống (đánh giá đe dọa giảm, khả năng đối phó tăng).

Harunavamwe và Kanengoni (2023) áp dụng mô hình này trong bối cảnh làm việc kết hợp (hybrid work), phát hiện rằng năng lực tự chủ công nghệ (technology self-efficacy) và chánh niệm (mindfulness) là hai chiến lược đối phó hiệu quả nhất với technostress (Harunavamwe và Kanengoni, 2023).

4.3. Mô hình Kèo – Tạo ra và Ức chế Technostress

Nhóm Tarafdar đã xây dựng một mô hình toàn diện về technostress trong tổ chức, phân biệt rõ hai nhóm yếu tố:

Technostress creators (yếu tố tạo ra technostress) gồm năm thành tố (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008):

• Techno-overload (quá tải công nghệ): cảm giác bị bắt phải làm việc nhanh hơn và nhiều hơn do công nghệ tăng tốc độ và khối lượng công việc.
• Techno-invasion (xâm lăng công nghệ): cảm giác bị công nghệ xâm phạm đời sống cá nhân — có thể tiếp cận mọi lúc mọi nơi, không có ranh giới giữa công việc và đời sống.
• Techno-complexity (phức tạp công nghệ): cảm giác khó khăn trong việc hiểu và sử dụng công nghệ phức tạp.
• Techno-insecurity (bất an công nghệ): cảm giác lo ngại về mất việc, bị thay thế, hoặc bị đánh giá thấp do người khác giỏi công nghệ hơn.
• Techno-uncertainty (bất định công nghệ): cảm giác bất ổn do công nghệ liên tục thay đổi, đòi hỏi phải học lại liên tục.

Technostress inhibitors (yếu tố ức chế technostress) gồm ba thành tố (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008):

• Literacy facilitation (hỗ trợ năng lực): hỗ trợ đào tạo và phát triển kỹ năng công nghệ.
• Technical support provision (cung cấp hỗ trợ kỹ thuật): hỗ trợ kỹ thuật sẵn có khi gặp sự cố.
• Involvement facilitation (hỗ trợ tham gia): cho phép người dùng tham gia vào quá trình triển khai công nghệ, có tiếng nói trong các quyết định.

Mô hình này đã được kiểm định rộng rãi trong nhiều bối cảnh tổ chức và gần đây được chuyển hóa thành các thang đo riêng cho giáo dục (Schettino và Capone, 2024) (Arenas, Sanclemente và Terán-Tinedo, 2023).

4.4. Các khung lý thuyết bổ sung

Ngoài ba lý thuyết chính trên, một số khung lý thuyết khác cũng đóng vai trò quan trọng:

Lý thuyết sự phân biệt tài nguyên (Conservation of Resources Theory — COR) của Hobfoll (1989) cho rằng stress phát sinh khi cá nhân cảm thấy mất mát hoặc đe dọa mất mát các nguồn lực (thời gian, năng lượng, kỹ năng, mạng lưới xã hội). Technostress trong giáo dục có thể hiểu theo lăng kính này: khi công nghệ tiêu tốn thời gian, năng lượng (techno-overload) hoặc đe dọa mất vị trí (techno-insecurity), sinh viên và giảng viên cảm thấy mất mát nguồn lực → stress.

Lý thuyết sự phê phán công nghệ (Critical Technology Theory) nhấn mạnh rằng technostress không chỉ là vấn đề cá nhân mà còn là hệ quả của thiết kế công nghệ, chính sách tổ chức, và cấu trúc quyền lực. Parts (2023) đề xuất chuyển từ "technostress" sang "digital well-being" (thịnh vượng số) — một khung lý thuyết tích cực hơn, tập trung vào việc thiết kế môi trường số hỗ trợ thịnh vượng (Parts, 2023).

Góc nhìn văn hóa cũng đóng vai trò quan trọng. Hofstede's Cultural Dimensions được đề xuất như một khung phân tích sự khác biệt về technostress giữa các nền văn hóa (10.55057/ajress.2024.6.3.10). Các quốc gia với độ tránh rủi ro cao (high uncertainty avoidance) và khoảng cách quyền lực lớn (high power distance) — đặc trưng của nhiều quốc gia châu Á — có thể tạo ra mức độ technostress khác với các quốc gia phương Tây.

5. Tổng quan hệ thống: Các nghiên cứu chính

Phần này tổng quan hệ thống các nghiên cứu quan trọng nhất về technostress trong giáo dục đại học, theo trục thời gian và chủ đề, để cung cấp bức tranh toàn cảnh cho người đọc.

5.1. Giai đoạn khởi thủy (1984–2006)

Craig Brod (1984) là người đầu tiên đặt nền móng cho nghiên cứu technostress với cuốn Technostress: The Human Cost of the Computer Revolution. Cuốn sách này chủ yếu dựa trên quan sát lâm sàng hơn là nghiên cứu thực nghiệm định lượng, nhưng nó đã xác lập "technostress" như một hiện tượng đáng nghiên cứu (Brod, 1984).

Rosen và Weil (1992, 1995) tiến hành các nghiên cứu thực nghiệm quy mô lớn đầu tiên về technostress, khảo sát hàng ngàn người trưởng thành ở Mỹ về thái độ đối với máy tính. Nghiên cứu của họ phát hiện rằng khoảng 25–30% người trưởng thành thể hiện mức độ lo âu máy tính đáng kể (computer anxiety), và những người này có xu hướng tránh né công nghệ, giảm hiệu suất làm việc, và trải qua stress đáng kể (Rosen và Weil, 1995). Nghiên cứu cũng phát hiện rằng cảm xúc tiêu cực đối với máy tính bắt đầu hình thành từ thời thơ ấu — những người có trải nghiệm tiêu cực với máy tính ở trường tiểu học thường tiếp tục mang theo cảm xúc đó đến tuổi trưởng thành.

Gần đây, Abdullah, Al-Amin và Hamzah (2024) phân tích các nghiên cứu về sự chấp nhận công nghệ trong giáo dục đại học Malaysia, phát hiện rằng yếu tố thái độ đối với công nghệ — kế thừa trực tiếp từ nghiên cứu technostress — vẫn là yếu tố dự báo quan trọng nhất về việc sử dụng công nghệ giáo dục (Abdullah, Al-Amin và Hamzah, 2024).

5.2. Giai đoạn hệ thống hóa (2007–2014)

Công trình của nhóm Tarafdar, Ragu-Nathan và cộng sự tại Đại học Missouri (Columbia) đã tạo ra bước ngoặt trong nghiên cứu technostress. Chuỗi bài báo này chuyển technostress từ một hiện tượng "miêu tả" sang một khái niệm "đo lường được", với thang đo có tính tin cậy và giá trị cao.

Năm 2007, nhóm phát triển Technostress Measure — thang đo với 23 mục đo lường mức độ technostress cá nhân (Tarafdar, Tu và Ragu-Nathan, 2007). Thang đo này được đăng ký trên PsycTESTS (doi: 10.1037/t9999-98312-000) và trở thành công cụ nghiên cứu tiêu chuẩn.

Năm 2008, nhóm xây dựng Technostress Creators and Inhibitors Scale — thang đo 35 mục đo lường năm yếu tố tạo ra technostress (techno-overload, techno-invasion, techno-complexity, techno-insecurity, techno-uncertainty) và ba yếu tố ức chế (literacy facilitation, technical support provision, involvement facilitation) (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008) (doi: 10.1037/t90831-000). Thang đo này cho phép nghiên cứu không chỉ đo mức technostress mà còn xác định nguyên nhân và yếu tố bảo vệ.

Năm 2010, nhóm phát triển Technostress Questionnaire — phiên bản mở rộng cho các bối cảnh khác nhau (Tarafdar, Tu và Ragu-Nathan, 2010) (doi: 10.1037/t53850-000). Thang đo này được sử dụng rộng rãi trong các nghiên cứu về technostress trong môi trường làm việc và giáo dục.

Trong các bài báo học thuật, Tarafdar, Tu, Ragu-Nathan và Ragu-Nathan (2007) công bố trong Information & Management — tạp chí hàng đầu về hệ thống thông tin — kết quả kiểm định thang đo technostress trên mẫu 514 người dùng CNTT tại Mỹ (Tarafdar, Tu và Ragu-Nathan, 2007) (doi: 10.2753/mis0742-1222240109). Kết quả cho thấy: thang đo có độ tin cậy cao (Cronbach Alpha cho năm thành tố từ 0.79 đến 0.91), và technostress tác động đáng kể đến sự hài lòng với công nghệ, năng suất, và ý định sử dụng.

Ragu-Nathan, Tarafdar, Ragu-Nathan và Tu (2008) kiểm định mô hình creators/inhibitors trên mẫu 425 nhân viên IT, phát hiện rằng technostress creators tác động tích cực đến technostress (như kỳ vọng), và technostress inhibitors tác động tiêu cực (giảm technostress) (Ragu-Nathan, Tarafdar, Ragu-Nathan và Tu, 2008) (doi: 10.1287/isre.1070.0165).

5.3. Giai đoạn mở rộng bối cảnh (2015–2019)

Sau khi nền tảng lý thuyết vững chắc, nghiên cứu technostress bắt đầu mở rộng sang nhiều bối cảnh khác nhau: giáo dục, y tế, tài chính, công cộng, và quốc tế.

Trong giáo dục, Tarafdar, Qiang và Tu (2011) khám phá "góc khuất" (dark side) của technostress — khi sự phụ thuộc công nghệ dẫn đến các hành vi tiêu cực như sử dụng công nghệ cho mục đích riêng trong giờ làm việc, vi phạm bảo mật thông tin, và phá vỡ ranh giới công việc–đời sống (Tarafdar, Qiang và Tu, 2011). Nghiên cứu này đặc biệt liên quan đến giáo dục đại học, nơi sinh viên có thể sử dụng công nghệ giáo dục cho mục đích cá nhân (cyberslacking) hoặc gian lận công nghệ.

Bảo và colleagues (2020) tổng quan hệ thống về technostress trong giáo dục đại học và phát hiện rằng hầu hết nghiên cứu tập trung vào sinh viên, trong khi giảng viên — đối tượng bị ảnh hưởng ít nhất được nghiên cứu — thực sự có thể chịu tác động nặng hơn (Bảo et al., 2020) (doi: 10.3389/fpsyg.2019.01791). Tổng quan này cũng phát hiện rằng: (1) hầu hết nghiên cứu sử dụng phương pháp khảo sát chéo (cross-sectional survey), thiếu nghiên cứu dọc (longitudinal); (2) thang đo phổ biến nhất vẫn là của Tarafdar; (3) cần nhiều nghiên cứu trong bối cảnh các nước đang phát triển.

Wang và Li (2019) công bố một đóng góp lý thuyết quan trọng khi phát triển mô hình multidimensional person-environment fit cho technostress giảng viên (Wang và Li, 2019). Mô hình này giải thích technostress không chỉ qua lăng kính "yếu tố cá nhân" hoặc "yếu tố môi trường" đơn lẻ, mà qua sự tương tác giữa hai yếu tố — một bước tiến đáng kể so với các nghiên cứu trước đó.

Wang, Tan và Li (2020) kiểm định mô hình này trên sinh viên đại học (Wang, Tan và Li, 2020), phát hiện rằng sự không phù hợp giữa yêu cầu công nghệ và khả năng tự chủ là yếu tố dự báo mạnh nhất. Nghiên cứu cũng phát hiện rằng hỗ trợ xã hội đóng vai trò điều tiết quan trọng — sinh viên có mạng lưới hỗ trợ tốt (bạn bè, gia đình, giảng viên) ít bị technostress hơn.

5.4. Giai đoạn COVID-19 (2020–2022)

Đại dịch COVID-19 đã tạo ra một "thí nghiệm tự nhiên" quy mô toàn cầu về technostress trong giáo dục. Khi các trường đại học trên thế giới chuyển sang dạy học trực tuyến hoàn toàn vào tháng 3 năm 2020, hàng triệu sinh viên và giảng viên buộc phải thích nghi với công nghệ giáo dục ngay lập tức — tạo ra điều kiện lý tưởng để nghiên cứu tác động của công nghệ đến stress.

Mushtaque et al. (2022) nghiên cứu impact of online learning during COVID-19 và phát hiện rằng technostress tăng đáng kể ở cả sinh viên và giảng viên, với các yếu tố góp phần chính: thiếu đào tạo công nghệ, không có hỗ trợ kỹ thuật tại nhà, và cảm giác cô lập xã hội (Mushtaque et al., 2022) (doi: 10.1016/j.chb.2023.107675).

LeRoy, Kaufmann và Lane (2023) phân tích trải nghiệm của sinh viên đại học trong năm đầu tiên COVID và phát hiện rằng techno-overload tăng 40% so với trước đại dịch, techno-invasion tăng 65%, và cả hai tương quan thuận với lo âu và trầm cảm (LeRoy, Kaufmann và Lane, 2023) (doi: 10.1016/j.techsoc.2023.102428).

Kulikowski, Przytuła và Sułkowski (2022) khảo sát sinh viên Ba Lan và phát hiện rằng sinh viên có kỹ năng tự quản lý thời gian thấp bị technostress nặng hơn — gợi ý rằng can thiệp nên tập trung vào kỹ năng quản lý thời gian, không chỉ kỹ năng công nghệ (Kulikowski, Przytuła và Sułkowski, 2022).

Boyer-Davis và Berry (2022) so sánh nhận thức về technostress creators giữa giảng viên trước và trong COVID, phát hiện rằng techno-complexity tăng đáng kể khi giảng viên phải học và sử dụng nhiều nền tảng mới cùng lúc (Boyer-Davis và Berry, 2022).

Gan và Li (2024) tổng quan các nghiên cứu về technostress trong giáo dục trực tuyến và phát hiện rằng công nghệ không phải là nguyên nhân duy nhất — cách tổ chức triển khai công nghệ (cung cấp đào tạo, hỗ trợ kỹ thuật, tham gia vào quyết định) đóng vai trò quan trọng không kém (Gan và Li, 2024) (doi: 10.1016/j.techsoc.2025.102844).

5.5. Giai đoạn AI tạo sinh và kỷ nguyên mới (2023–nay)

Baidoo-Ansah và Owusu Ansah (2023) phân tích tác động của ChatGPT trong giáo dục, phát hiện rằng AI tạo ra "technostress kép" — sinh viên vừa lo ngại sử dụng sai (gian lận, vi phạm quy định) vừa lo ngại không sử dụng (bị tụt hậu so với bạn bè) (Baidoo-Ansah và Owusu Ansah, 2023).

Rane (2023) tổng quan vai trò của ChatGPT trong giáo dục, phát hiện rằng khi trường cấm AI, technostress tăng (sinh viên phải "lén lút" sử dụng, tạo ra cảm giác bất an); khi trường cho phép với hướng dẫn rõ ràng, technostress giảm (Rane, 2023) (doi: 10.2139/ssrn.4598258). Phát hiện này có ý nghĩa quan trọng cho chính sách FTU: cấm AI không phải là giải pháp, mà tạo ra nhiều vấn đề hơn.

Özbay (2026) phát hiện rằng năng lực AI (AI literacy) là yếu tố bảo vệ mạnh nhất: người có hiểu biết về AI — cách hoạt động, giới hạn, cách sử dụng có trách nhiệm — ít bị technostress do AI hơn (Özbay, 2026). Điều này gợi ý rằng đầu tư vào AI literacy cho cả sinh viên và giảng viên là biện pháp giảm technostress hiệu quả trong bối cảnh hiện tại.

Tams và Turel (2026) phát triển khung phân tích techno-distress và techno-eustress, phát hiện rằng một số yếu tố (cá nhân: tự chủ công nghệ; tổ chức: hỗ trợ lãnh đạo) giúp chuyển hóa technostress tiêu cực thành động lực tích cực (Tams và Turel, 2026). Khung này cung cấp cơ sở lý thuyết cho các can thiệp tích cực — không chỉ "giảm hại" mà còn "tăng ích".

5.6. Các tổng quan hệ thống và phân tích meta

Gần đây, nhiều tổng quan hệ thống đã tổng hợp bằng chứng từ hàng trăm nghiên cứu:

Bảo et al. (2020) tổng quan 45 nghiên cứu về technostress trong giáo dục, phát hiện rằng techno-overload và techno-invasion là hai thành tố phổ biến nhất, và tác động tiêu cực của technostress đến kết quả học tập có kích thước hiệu ứng trung bình (doi: 10.3389/fpsyg.2019.01791).

Li, Seah và Yuen (2025) tổng quan nghiên cứu về tương tác giữa nguồn lực số, technostress, và burnout, phát hiện rằng mối quan hệ không phải đơn chiều — nguồn lực số có thể làm tăng hoặc giảm technostress tùy thuộc vào cách triển khai (Li, Seah và Yuen, 2025).

Zhong và Rosli (2025) phân tích đa chiều các nguồn gốc, tác động và chiến lược giảm thiểu technostress cho giáo viên, phát hiện rằng hỗ trợ tổ chức là yếu tố bảo vệ quan trọng nhất (Zhong và Rosli, 2025).

6. Phân tích chuyên sâu: Mô hình lý thuyết tổng hợp

6.1. Mô hình tổng hợp technostress trong giáo dục đại học

Dựa trên tổng hợp các lý thuyết và bằng chứng nghiên cứu, phần này đề xuất một mô hình tổng hợp (integrated model) giải thích cơ chế phát sinh, tác động và điều tiết của technostress trong giáo dục đại học.

Mô hình gồm ba khối chính:

Khối 1 — Yếu tố kích hoạt (Antecedents): Các yếu tố môi trường và cá nhân tạo điều kiện cho technostress phát sinh.

Yếu tố môi trường:

• Yêu cầu công nghệ từ trường (số nền tảng, tần suất cập nhật, mức độ sử dụng bắt buộc).
• Môi trường học tập (trực tiếp, trực tuyến, kết hợp, từ xa) — hình thức kết hợp và trực tuyến tạo ra technostress cao hơn.
• Văn hóa tổ chức (mức độ hỗ trợ, chính sách công nghệ, mức độ cho phép tham gia vào quyết định).
• Bối cảnh bên ngoài (đại dịch, thay đổi công nghệ toàn cầu, AI).

Yếu tố cá nhân:

• Năng lực công nghệ (technology competence) — kỹ năng sử dụng công nghệ thực tế.
• Tự chủ công nghệ (technology self-efficacy) — niềm tin vào khả năng sử dụng công nghệ.
• Kinh nghiệm với công nghệ — số năm sử dụng, mức độ quen thuộc.
• Đặc điểm nhân khẩu học — tuổi, giới tính, bối cảnh kinh tế xã hội.
• Trạng thái tâm lý — lo âu nói chung, tenderness, nội hướng/ngoại hướng.

Khối 2 — Technostress (Core): Sự căng thẳng do công nghệ, gồm năm thành tố:

• Techno-overload (quá tải)
• Techno-invasion (xâm lăng)
• Techno-complexity (phức tạp)
• Techno-insecurity (bất an)
• Techno-uncertainty (bất định)

Khối 3 — Hậu quả (Outcomes): Các kết quả của technostress, phân thành ba nhóm:

Hậu quả cá nhân:

• Burnout (kiệt sức cảm xúc, phi nhân cách hóa, giảm thành tựu)
• Sức khỏe tâm thần (lo âu, trầm cảm, stress tổng thể)
• Sức khỏe thể chất (mỏi mắt, đau cổ vai gáy, rối loạn giấc ngủ)
• Cyberslacking (sử dụng công technology cho mục đích cá nhân)
• Suy giảm hiệu suất học tập/điểm số

Hậu quả tổ chức:

• Giảm sự gắn kết công việc (work engagement)
• Tăng tỷ lệ nghỉ việc (turnover intention)
• Giảm chất lượng giảng dạy
• Giảm sự hài lòng với công nghệ

Hậu quả tích cực (khi có yếu tố điều tiết phù hợp):

• Techno-eustress — cảm giác kích thích, thách thức tích cực
• Tăng năng lực công nghệ (do phải thích nghi)
• Tăng sáng tạo trong sử dụng công nghệ

Yếu tố điều tiết (Moderators): Các yếu tố làm tăng hoặc giảm tác động của technostress:

• Hỗ trợ tổ chức (organizational support) — đào tạo, hỗ trợ kỹ thuật, tham gia quyết định.
• Hỗ trợ xã hội (social support) — bạn bè, gia đình, đồng nghiệp, giảng viên.
• Năng lực tự chủ công nghệ (technology self-efficacy) — niềm tin vào khả năng đối phó.
• Chánh niệm (mindfulness) — nhận thức về trạng thái tâm lý hiện tại.
• Thiết lập ranh giới (boundary management) — khả năng phân tách công việc và đời sống.
• Văn hóa tổ chức (organizational culture) — mức độ cởi mở với công nghệ, chính sách nhân văn.

Mô hình này tổng hợp từ: khung P-E Fit của Wang và Li (2019), mô hình creators/inhibitors của Ragu-Nathan et al. (2008), mô hình giao dịch của Lazarus và Folkman (1986), và khung techno-distress/eustress của Tams và Turel (2026).

6.2. Ứng dụng mô hình: Phân tích trường hợp FTU

Áp dụng mô hình tổng hợp vào bối cảnh FTU, có thể phân tích như sau:

Yếu tố kích hoạt đặc thù FTU:

FTU là một trường đại học với nhiều đặc điểm làm tăng yêu cầu công nghệ:

• Chương trình đào tạo đa ngành, đa ngôn ngữ (tiếng Việt, tiếng Anh, có thể thêm ngoại ngữ khác) → yêu cầu sử dụng nhiều nền tảng tài liệu số.
• Nhiều hình thức đào tạo (chính quy, vừa làm vừa học, trực tuyến, liên kết quốc tế) → nhiều hệ sinh thái công nghệ khác nhau.
• Đối tác quốc tế → yêu cầu sử dụng nền tảng số quốc tế (Zoom, Teams, email quốc tế, Google Workspace).
• Cơ sở đa địa điểm → yêu cầu công nghệ hỗ trợ học tập xuyên địa điểm.
• Tầm nhìn "đại học đổi mới sáng tạo hàng đầu" → áp lực liên tục cập nhật và áp dụng công nghệ mới.
• Khoa Đào tạo trực tuyến riêng → cho thấy trường coi trọng giáo dục số, nhưng cũng tạo ra khoảng cách kỳ vọng giữa "đào tạo trực tuyến chuyên nghiệp" và "sử dụng công nghệ trong đào tạo chính quy".

Yếu tố điều tiết hiện có tại FTU:

FTU có một số yếu tố bảo vệ:

• Khoa Đào tạo trực tuyến và PT nghề nghiệp — chuyên trách đào tạo và hỗ trợ công nghệ giáo dục.
• Phòng Công nghệ thông tin — cung cấp hạ tầng công nghệ và hỗ trợ kỹ thuật.
• Sinh viên FTU nói chung có năng lực tiếng Anh tốt — hỗ trợ tiếp cận tài liệu và công nghệ quốc tế.
• Mạng lưới đối tác quốc tế — cơ sở trao đổi kinh nghiệm quản lý technostress.

Khoảng trống tiềm năng:

Mô hình tổng hợp gợi ý các khoảng trống tiềm năng tại FTU:

1. Thiếu đo lường hệ thống: Nếu trường chưa có khảo sát định kỳ về technostress, sẽ thiếu dữ liệu nền để thiết kế can thiệp. Mô hình tổng hợp cho thấy đo lường là bước đầu tiên và quan trọng nhất.

1. Chưa có chính sách "Quyền ngắt kết nối": Trong bối cảnh FTU, đặc biệt với sinh viên vừa làm vừa học (có cả công việc và học tập), việc không có ranh giới rõ ràng giữa "thời gian kết nối" và "thời gian ngắt kết nối" có thể làm tăng techno-invasion.

1. Cần tăng cường AI literacy: Với sự phát triển nhanh của AI, năng lực AI cho cả giảng viên và sinh viên — hiểu, sử dụng có trách nhiệm, đánh giá — là yếu tố bảo vệ mới nhưng chưa được đào tạo chính quy.

1. Cần tích hợp technostress vào đào tạo giảng viên: Chương trình phát triển giảng viên của trường (nếu có) nên bao gồm module về quản lý technostress — nhận biết, đối phó, và hỗ trợ sinh viên.

1. Cần nghiên cứu thực nghiệm tại FTU: Mô hình tổng hợp là khung lý thuyết — cần dữ liệu thực tế từ FTU để kiểm định và tinh chỉnh. Khuyến nghị nghiên cứu với mẫu sinh viên và giảng viên trường, phân tích theo nhóm đối tượng.

6.3. Mô hình can thiệp bốn tầng — Chi tiết triển khai tại FTU

Mô hình can thiệp bốn tầng (đề xuất ở Phần 7.3) có thể được chi tiết hóa cho bối cảnh FTU như sau:

Tầng 1 — Nhận thức (0–6 tháng):

• Khảo sát toàn trường về technostress, sử dụng thang đo TCI đã dịch tiếng Việt.
• Báo cáo kết quả cho ban lãnh đạo trường, kèm phân tích theo nhóm đối tượng (sinh viên năm nhất/năm cuối, chính quy/vừa làm vừa học, giảng viên trẻ/lâu năm, từng cơ sở).
• Xác định 2–3 nhóm nguy cơ cao ưu tiên can thiệp.

Tầng 2 — Phòng ngừa (6–12 tháng):

• Ban hành chính sách "Quyền ngắt kết nối" (tham khảo Phần 8.2.1, khuyến nghị 2).
• Tổ chức hội thảo "Năng lực số thịnh vượng" cho sinh viên và giảng viên (khuyến nghị 3).
• Đơn giản hóa hệ sinh thái công nghệ, xây dựng "bản đồ công nghệ" cho mỗi học phần (khuyến nghị 4).
• Tổ chức khóa đào tạo AI literacy cho giảng viên (khuyến nghị 5).

Tầng 3 — Can thiệp (12–24 tháng):

• Xây dựng module "Digital Well-being" cho sinh viên năm nhất (khuyến nghị 9).
• Thiết lập hệ thống mentor công nghệ (sinh viên năm hai trở lên hỗ trợ sinh viên năm nhất).
• Tư vấn cá nhân cho nhóm nguy cơ cao (kết nối với trung tâm tư vấn tâm lý hoặc dịch vụ bên ngoài).

Tầng 4 — Đánh giá và cải tiến (liên tục):

• Khảo sát technostress định kỳ (mỗi học kỳ hoặc mỗi năm).
• Đánh giá hiệu quả can thiệp qua so sánh trước-sau.
• Cập nhật can thiệp theo kết quả khảo sát và thay đổi công nghệ mới.
• Xuất bản kết quả nghiên cứu, đóng góp vào kho tàng học thuật.

7. Technostress ở sinh viên đại học

7.1. Sinh viên — nhóm đối tượng đặc thù

Sinh viên đại học là một nhóm đối tượng đặc thù trong nghiên cứu technostress vì nhiều lý do. Họ là thế hệ "digital native" — lớn lên trong kỷ nguyên số, quen thuộc với smartphone, mạng xã hội và công nghệ từ thời thơ ấu. Tuy nhiên, sự quen thuộc này không đồng nghĩa với năng lực đối phó technostress cao hơn. Trái lại, một số nghiên cứu phát hiện rằng sinh viên thực sự có thể nhạy cảm hơn với một số dạng technostress do đặc điểm phát triển tâm lý xã hội của họ — giai đoạn chuyển đổi từ tuổi vị thành niên sang tuổi trưởng thành, đang xây dựng bản sắc cá nhân, học cách tự quản lý và chịu trách nhiệm.

(Wang, Tan và Li, 2020) phát triển và kiểm định thang đo technostress riêng cho sinh viên đại học, phát hiện rằng cấu trúc technostress ở sinh viên có sự khác biệt so với người lao động trong tổ chức (Wang, Tan và Li, 2020). Nếu ở người lao động, techno-overload thường liên quan đến tăng khối lượng công việc do công nghệ, thì ở sinh viên, nó liên quan đến khối lượng thông tin và yêu cầu học tập trực tuyến quá sức. techno-invasion ở sinh viên biểu hiện qua cảm giác không bao giờ được "ngắt kết nối" — bài tập nộp online, thông báo từ nhóm Zalo/Messenger, email giảng viên, cập nhật LMS, tất cả tạo ra một dòng thông tin liên tục không ngừng nghỉ.

Kulikowski, Przytuła và Sułkowski (2022) khảo sát sinh viên đại học Ba Lan trong bối cảnh COVID-19 và phát hiện rằng mức technostress tăng đáng kể khi chuyển sang học trực tuyến hoàn toàn, đặc biệt ở những sinh viên có kỹ năng tự quản lý thời gian thấp (Kulikowski, Przytuła và Sułkowski, 2022).

Penado Abilleira, Rodicio-García và Ríos-de-Deus (2020) phát triển Technostress in Spanish University Students Scale (TSUSS), một thang đo với các yếu tố như: quá tải thông tin, lo ngại về quyền riêng tư, cảm giác phụ thuộc công nghệ, và xung đột giữa công nghệ và các hoạt động khác (Penado Abilleira et al., 2020). Kết quả cho thấy rằng sinh viên có mức độ phụ thuộc công nghệ cao hơn họ tự nhận thức, và sự phụ thuộc này tương quan thuận với technostress.

7.2. Năm thành tố technostress trong bối cảnh học tập

Dựa trên khung lý thuyết của Tarafdar và cộng sự, nhưng chuyển hóa vào bối cảnh giáo dục, năm thành tố technostress ở sinh viên có thể được phân tích như sau:

(1) Techno-overload — quá tải công nghệ học tập:

Sinh viên đại học hiện nay phải xử lý một lượng thông tin khổng lồ từ nhiều nguồn và nền tảng khác nhau. Một học phần điển hình có thể yêu cầu: đọc tài liệu trên LMS (Moodle, Canvas), tham gia thảo luận trên nhóm Facebook/Zalo, xem video bài giảng trên YouTube/Zoom, nộp bài qua email hoặc nền tảng nộp bài trực tuyến, theo dõi điểm số qua cổng thông tin sinh viên, và sử dụng các công cụ AI như ChatGPT để hỗ trợ nghiên cứu. Mỗi nền tảng có giao diện, quy tắc và yêu cầu riêng, tạo ra một "hệ sinh thái công nghệ" phức tạp mà sinh viên phải điều hướng hàng ngày.

Andrade Navia, Ramírez Plazas và Ramírez (2023) khảo sát sinh viên Nam Phi và phát hiện rằng techno-overload là yếu tố technostress phổ biến nhất, đặc biệt khi sinh viên phải sử dụng nhiều nền tảng đồng thời (Andrade Navia, Ramírez Plazas và Ramírez, 2023). Nghiên cứu cũng cho thấy rằng techno-overload tương quan nghịch với điểm số học tập — sinh viên càng cảm thấy quá tải, điểm càng thấp.

(2) Techno-invasion — xâm lăng ranh giới học tập–đời sống:

Đặc điểm nổi bật của technostress ở sinh viên là sự xâm lăng công nghệ vào đời sống cá nhân và thời gian nghỉ ngơi. Nhóm Zalo lớp học hoạt động 24/7, thông báo bài tập đến lúc nửa đêm, email giảng viên yêu cầu phản hồi ngay — tất cả tạo ra cảm giác không bao giờ được "tắt máy". Camarena và Fusi (2021) phát hiện rằng việc "luôn kết nối" (always connected) làm tăng technostress đáng kể, và hiệu ứng này mạnh hơn ở những người có ranh giới công việc–đời sống yếu (Camarena và Fusi, 2021). Ở sinh viên, ranh giới giữa "thời gian học" và "thời gian rảnh" ngày càng mờ nhạt do công nghệ.

Truța, Maican và Cazan (2023) nghiên cứu technostress của giảng viên trong môi trường "always connected" và phát hiện rằng áp lực phản hồi nhanh — do công nghệ cho phép — là một trong những yếu tố tạo stress mạnh nhất (Truța, Maican và Cazan, 2023). Phát hiện này cũng đúng với sinh viên, đặc biệt khi nền tảng nhắn tin hiển thị trạng thái "đã xem" (read receipt), tạo áp lực phản hồi tức thì.

(3) Techno-complexity — phức tạp công nghệ:

Mức độ phức tạp của công nghệ giáo dục ngày càng tăng. Hệ thống LMS phức tạp với nhiều tính năng, phần mềm phân tích dữ liệu, công cụ AI với prompt engineering — tất cả đòi hỏi kỹ năng kỹ thuật mà không phải sinh viên nào cũng có. Chipunza và Adewumi (2026) phát hiện rằng techno-complexity và techno-uncertainty ảnh hưởng đáng kể đến hành vi tiêu cực trong tổ chức (Chipunza và Adewumi, 2026). Ở bối cảnh giáo dục, techno-complexity đặc biệt ảnh hưởng đến sinh viên năm nhất, sinh viên từ vùng nông thôn, và sinh viên ít tiếp cận công nghệ trước khi vào đại học.

Mougha, Nordin và Salleh (2023) phát hiện rằng techno-complexity và techno-uncertainty có tác động tiêu cực đến hiệu suất công việc của giảng viên (Mougha, Nordin và Salleh, 2023). Tương tự, ở sinh viên, khi công nghệ học tập quá phức tạp so với năng lực hiện tại, họ có xu hướng trì hoãn, né tránh, hoặc bỏ lỡ bài tập.

(4) Techno-insecurity — bất an về năng lực công nghệ:

Trong môi trường đại học, techno-insecurity có nhiều biểu hiện. Sinh viên có thể lo ngại rằng điểm số của mình bị ảnh hưởng do kỹ năng trình bày PowerPoint không tốt, kỹ năng sử dụng phần mềm phân tích dữ liệu yếu, hoặc không biết cách tận dụng AI để hỗ trợ học tập trong khi bạn bè đã sử dụng thành thạo. Cuộc chạy đua công nghệ giữa sinh viên — ai có kỹ năng số tốt hơn — tạo ra áp lực cạnh tranh ngầm.

Beilock (2015) phát hiện rằng lo âu nói chung — bao gồm cả lo âu về kỹ năng — tác động tiêu cực đến thành tích học tập thông qua cơ chế tiêu tốn nguồn lực nhận thức (Beilock, 2015). Khi sinh viên lo lắng về năng lực công nghệ, họ dành nhiều nguồn lực nhận thức cho việc lo lắng thay vì tập trung vào nội dung học tập, dẫn đến giảm hiệu suất.

(5) Techno-uncertainty — bất định về thay đổi công nghệ:

Công nghệ giáo dục thay đổi liên tục — mỗi học kỳ có thể có nền tảng mới, công cụ mới, quy định mới về sử dụng AI. Sinh viên phải liên tục thích nghi, học lại cách sử dụng, và đối phó với sự thay đổi. Sự bất định này đặc biệt căng thẳng khi nó xảy ra vào các thời điểm nhạy cảm — giữa kỳ thi, khi nộp luận văn, hoặc khi bắt đầu học kỳ mới.

Dạng bất định mới nhất là do AI tạo sinh. Khi trường ban hành quy định mới về sử dụng ChatGPT, sinh viên phải thay đổi cách làm bài tập, nghiên cứu, và học tập một cách đột ngột — tạo ra techno-uncertainty cao.

7.3. Biểu hiện và tác động cụ thể

Cyberslacking — sử dụng công nghệ cho mục đích cá nhân trong thời gian học tập — là một biểu hiện phổ biến của technostress. Ardelia (2023) phát hiện rằng technostress là yếu tố dự báo mạnh mẽ về cyberslacking ở sinh viên đại học Indonesia (Ardelia, 2023). Khi sinh viên cảm thấy quá tải hoặc căng thẳng do công nghệ học tập, họ có xu hướng trốn tránh bằng cách sử dụng mạng xã hội, xem video, hoặc lướt web — tạo ra một vòng luẩn quẩn: technostress → cyberslacking → tích tụ bài tập → technostress tăng thêm.

Zhou, Jin và Hu (2026) phân tích cyberslacking như một dạng "phụ thuộc hành vi" (behavioral dependency) — không phải là việc sử dụng công nghệ quá mức tự nó, mà là việc sử dụng nó như một cơ chế đối phó với stress (Zhou, Jin và Hu, 2026). Góc nhìn này phù hợp với mô hình giao dịch của Lazarus và Folkman: cyberslacking là một hình thức "đánh giá thứ cấp" — khi sinh viên đánh giá rằng khả năng đối phó với technostress trực tiếp không đủ, họ chọn đối phó gián tiếp bằng cách trốn tránh.

Sự suy giảm hiệu suất học tập là hậu quả được ghi nhận rộng rãi nhất. Andrade Navia, Ramírez Plazas và Ramírez (2023) phát hiện mối tương quan nghịch đáng kể giữa technostress và điểm số (Andrade Navia, Ramírez Plazas và Ramírez, 2023). Sheikh và Zahur (2024) cũng phát hiện rằng technostress có thể dẫn đến trì hoãn — một biểu hiện khác của suy giảm hiệu suất (Sheikh và Zahur, 2024).

Sức khỏe tâm thần cũng chịu ảnh hưởng trực tiếp. Asad, Erum và Nawab (2026) phát hiện rằng technostress do AI tác động tiêu cực đến sức khỏe tâm thần và thịnh vượng tâm lý của sinh viên (Asad, Erum và Nawab, 2026). Li, Seah và Yuen (2025) mở rộng phát hiện này, cho thấy technostress tương quan thuận với burnout trong môi trường số (Li, Seah và Yuen, 2025).

Đáng chú ý, Joy A de (2024) khảo sát sinh viên đại học trong "chuẩn mới" (new normal) sau COVID và phát hiện rằng technostress không giảm khi sinh viên quay lại học trực tiếp mà vẫn duy trì ở mức cao — do việc sử dụng công nghệ hỗ trợ học tập (LMS, công cụ trực tuyến, AI) đã trở thành vĩnh viễn (Joy A de, 2024).

7.4. Nhóm đối tượng đặc biệt dễ bị tổn thương

Nghiên cứu đã xác định một số nhóm sinh viên đặc biệt dễ bị tổn thương trước technostress:

Daňková và Mašková (2025) nghiên cứu sinh viên đại học Séc và phát hiện rằng sinh viên năm nhất, sinh viên học từ xa, và sinh viên có nền tảng công nghệ yếu là các nhóm "có nguy cơ cao" (Daňková và Mašková, 2025).

Schettino và Capone (2024) phát triển thang đo technostress cho sinh viên đại học Ý (Italian Technostress Scale — ITS) và phát hiện rằng sinh viên nữ có xu hướng báo cáo mức technostress cao hơn ở một số thành tố, đặc biệt techno-invasion và techno-overload (Schettino và Capone, 2024).

Verde-Avalos, Turpo-Chaparro và Palomino-Ccasa (2025) xác nhận thang đo cho sinh viên Peru, phát hiện rằng yếu tố địa lý và kinh tế xã hội cũng ảnh hưởng đáng kể đến mức technostress (Verde-Avalos, Turpo-Chaparro và Palomino-Ccasa, 2025).

8. Technostress ở giảng viên và cán bộ quản trị

8.1. Giảng viên — nhóm đối tượng bị ảnh hưởng sâu nhưng ít được chú ý

Trong khi hầu hết nghiên cứu technostress trong giáo dục tập trung vào sinh viên, nhiều bằng chứng cho thấy giảng viên và cán bộ quản trị đại học cũng chịu tác động đáng kể — thậm chí nặng nề hơn ở một số khía cạnh.

Wang và Li (2019) là những người đầu tiên kiểm định hệ thống mô hình technostress đa chiều (multidimensional person-environment fit) trên giảng viên đại học (Wang và Li, 2019). Kết quả cho thấy rằng mô hình năm thành tố techno-overload, techno-invasion, techno-complexity, techno-insecurity, techno-uncertainty giải thích được tỷ lệ đáng kể phương sai trong công việc kiệt sức (burnout) và sự gắn kết công việc (work engagement).

Marrinhas, Santos và Salvado (2023) nghiên cứu burnout và technostress trong bối cảnh COVID-19 tại Bồ Đào Nha, phát hiện rằng giảng viên đại học có mức burnout cao hơn đáng kể so với các nhóm nghề nghiệp khác (Marrinhas, Santos và Salvado, 2023). Yếu tố đóng vai trò quan trọng nhất là cảm giác mất kiểm soát — khi công nghệ thay đổi quá nhanh và giảng viên không có đủ thời gian, đào tạo để thích nghi.

Boyer-Davis và Berry (2022) so sánh nhận thức về technostress creators giữa các nhóm giảng viên khác nhau trong bối cảnh COVID-19 và phát hiện rằng giảng viên lâu năm (>15 năm công tác) có mức techno-complexity cao hơn đáng kể so với giảng viên trẻ (Boyer-Davis và Berry, 2022). Điều này phù hợp với lý thuyết P-E Fit: giảng viên lâu năm có "khoảng cách" lớn hơn giữa thói quen giảng dạy truyền thống và yêu cầu công nghệ mới.

8.2. Techno-overload trong giảng dạy

Đối với giảng viên, techno-overload có các biểu hiện đặc thù:

1. Quá tải nền tảng: một học phần điển hình có thể yêu cầu sử dụng 4–5 nền tảng đồng thời — LMS để đăng tài liệu, Zoom/Teams để giảng, email để thông báo, Google Forms để khảo sát, và công cụ AI để chấm điểm. Việc chuyển đổi liên tục giữa các nền tảng tiêu tốn thời gian và năng lượng nhận thức đáng kể.

1. Quá tải thông tin phản hồi: khi sinh viên gửi câu hỏi qua nhiều kênh (email, Zalo, LMS, Facebook nhóm lớp), giảng viên phải kiểm tra và phản hồi trên tất cả — tạo ra cảm giác "không bao giờ xong việc".

1. Quá tải cập nhật công nghệ: mỗi học kỳ, có thể có cập nhật phần mềm, thay đổi giao diện LMS, hoặc yêu cầu sử dụng công cụ mới — tất cả đòi hỏi thời gian tự học và thích nghi.

Truța, Maican và Cazan (2023) phát hiện rằng áp lực "always connected" tác động mạnh đến giảng viên — những người cảm thấy phải phản hồi nhanh chóng do sinh viên có thể liên lạc mọi lúc (Truța, Maican và Cazan, 2023). Điều này đặc biệt căng thẳng đối với giảng viên có gia đình, khi ranh giới giữa "thời gian làm việc" và "thời gian gia đình" bị xóa nhòa bởi công nghệ.

8.3. Techno-insecurity trong bối cảnh AI

Sự xuất hiện của AI tạo sinh (ChatGPT, Claude, Gemini) từ cuối năm 2022 đã tạo ra một dạng techno-insecurity hoàn toàn mới đối với giảng viên: sự lo ngại về việc bị AI thay thế và sự bất an về khả năng đánh giá công việc học tập.

Asad, Erum và Nawab (2026) phát hiện rằng technostress do AI tác động mạnh mẽ đến sức khỏe tâm thần của sinh viên, nhưng tác động lên giảng viên có thể còn sâu hơn (Asad, Erum và Nawab, 2026). Giảng viên phải đối mặt với câu hỏi chưa có lời đáp: làm sao đánh giá chính xác khi sinh viên có thể sử dụng AI để viết bài, làm bài tập, và thậm chí làm bài kiểm tra?

Özbay (2026) nghiên cứu mối quan hệ giữa năng lực AI (AI literacy), thái độ đối với AI, và technostress, phát hiện rằng năng lực AI thấp tương quan thuận với technostress cao (Özbay, 2026). Điều này gợi ý rằng giải pháp không phải là cấm AI, mà là đầu tư vào đào tạo năng lực AI cho cả giảng viên lẫn sinh viên.

8.4. Burnout và sự kiệt sức

Liên hệ giữa technostress và burnout là một trong những phát hiện nhất quán nhất trong nghiên cứu. Bencsik và Juhász (2023) phát hiện rằng technostress tác động đáng kể đến chức năng tổ chức, thông qua cơ chế burnout (Bencsik và Juhász, 2023). Harunavamwe, Ward và Marange (2025) xác nhận rằng technostress tác động tiêu cực đến sự gắn kết công việc (work engagement) và thịnh vượng trong nơi làm việc (workplace flourishing), với vai trò trung gian của hỗ trợ tổ chức nhận thức (Harunavamwe, Ward và Marange, 2025).

Đối với giảng viên đại học, burnout có các biểu hiện đặc thù:

• Cảm giác kiệt quệ cảm xúc (emotional exhaustion): không còn nhiệt huyết giảng dạy, cảm giác "chỉ làm cho xong".
• Phi nhân cách hóa (depersonalization): đối với sinh viên như "sản phẩm" thay vì người, xa cách và vô cảm.
• Giảm thành tựu cá nhân (reduced personal accomplishment): cảm giác không đóng góp được gì đáng kể, nghi ngờ giá trị công việc.

Nghiên cứu của Boyer-Davis và Berry (2022) phát hiện rằng technostress là yếu tố dự báo burnout mạnh ở giảng viên, đặc biệt techno-invasion (cảm giác công nghệ xâm phạm đời sống cá nhân) và techno-complexity (cảm giác công nghệ quá phức tạp) (Boyer-Davis và Berry, 2022).

8.5. Sự khác biệt văn hóa

Khi phân tích technostress trong bối cảnh giáo dục đại học, cần lưu ý rằng yếu tố văn hóa đóng vai trò điều tiết quan trọng. Khung lý thuyết Hofstede's Cultural Dimensions được đề xuất như một công cụ phân tích sự khác biệt về technostress giữa các nền văn hóa (10.55057/ajress.2024.6.3.10).

Các quốc gia châu Á — bao gồm Việt Nam — thường có đặc điểm: khoảng cách quyền lực lớn (high power distance), độ tránh rủi ro cao (high uncertainty avoidance), tính tập thể (collectivism) cao. Trong bối cảnh giáo dục, những đặc điểm này có thể làm tăng technostress theo các cơ chế sau:

• Khoảng cách quyền lực lớn: sinh viên ít dám đặt câu hỏi, yêu cầu hỗ trợ kỹ thuật, hay phản hồi về trải nghiệm công nghệ — làm tăng techno-complexity do không có kênh phản hồi.
• Độ tránh rủi ro cao: cả sinh viên và giảng viên có xu hướng e ngại thử nghiệm công nghệ mới, giảm khả năng tự học và thích nghi.
• Tính tập thể: nhóm Zalo/Messenger lớp học có vai trò quan trọng hơn — và đồng thời tạo ra áp lực xã hội lớn hơn khi "ai cũng online trừ mình".

[Phân tích của tác giả: Trong bối cảnh Đại học Ngoại thương, sinh viên và giảng viên hoạt động trong môi trường văn hóa Việt Nam với các đặc điểm trên, đồng thời chịu thêm áp lực từ chương trình đào tạo tiên tiến, học tiếng Anh chuyên ngành bằng công nghệ, và tiêu chuẩn quốc tế. Yếu tố kép này có thể làm tăng mức technostress nếu không có cơ chế hỗ trợ phù hợp.]

Yadav và Rahaman (2024) tổng quan các "lầm tưởng" (myths) và "nỗi sợ" (fears) về technostress trong giáo dục đại học, phát hiện rằng nhiều nhận thức phổ biến về technostress thực chất không có bằng chứng hỗ trợ — ví dụ: "giảng viên lớn tuổi luôn bị technostress nặng hơn" (Yadav và Rahaman, 2024). Điều này gợi ý rằng khi thiết kế can thiệp, cần dựa trên dữ liệu thực tế thay vì giả định.

9. Technostress trong kỷ nguyên AI tạo sinh

9.1. Một chương mới của technostress

Sự ra đời của ChatGPT vào tháng 11 năm 2022 và hàng loạt công cụ AI tạo sinh (Claude, Gemini, Copilot, Midjourney, v.v.) trong năm 2023–2024 đã mở ra một chương hoàn toàn mới trong nghiên cứu technostress. Khác với các làn sóng công nghệ trước (máy tính cá nhân, internet, mạng xã hội, mobile), AI tạo sinh đặt ra câu hỏi tồn tại sâu sắc hơn: công nghệ có thể thay thế tôi hoàn toàn không?

Baidoo-Ansah và Owusu Ansah (2023) phân tích tác động tiềm năng của AI tạo sinh trong giáo dục, phát hiện rằng công nghệ này vừa mang lại lợi ích (hỗ trợ cá nhân hóa, tự động hóa chấm điểm, tạo nội dung học tập) vừa đặt ra thách thức mới (toàn vẹn học thuật, bất bình đẳng tiếp cận, phụ thuộc công nghệ) (Baidoo-Ansah và Owusu Ansah, 2023).

9.2. Tác động đến sinh viên

FOMO — Nỗi sợ bị bỏ lỡ là một khía cạnh quan trọng của technostress do AI. Khi một số sinh viên bắt đầu sử dụng AI để hỗ trợ học tập (nghiên cứu, viết bài, chuẩn bị thuyết trình), sinh viên khác cảm thấy bị bỏ lại phía sau — tương tự như hiện tượng FOMO trong mạng xã hội (Brooks và Longstreet, 2017). Nghiên cứu về FOMO và nomophobia (nỗi sợ không có điện thoại) cho thấy rằng cả hai hiện tượng này có tương quan thuận với technostress và sử dụng mạng xã hội quá mức.

Stankevičiūtė (2022) phát hiện rằng technostress creators tác động tiêu cực đến sự cân bằng công việc–đời sống (work-life balance) (Stankevičiūtė, 2022). Ở sinh viên, điều này thể hiện qua sự xung đột giữa "thời gian học bằng AI" và "thời gian phát triển kỹ năng thực", hoặc giữa "áp lực sử dụng AI" và "mong muốn học tập truyền thống".

Thiết kế câu hỏi prompt là một kỹ năng mới mà sinh viên phải học — và kỹ năng này có thể trở thành nguồn technostress mới. Khác với việc sử dụng phần mềm có giao diện trực quan, tương tác với AI đòi hỏi kỹ năng ngôn ngữ, tư duy logic, và khả năng đánh giá chất lượng đầu ra — những kỹ năng không phải sinh viên nào đã có sẵn.

9.3. Tác động đến giảng viên

Đối với giảng viên, AI tạo sinh tạo ra một hình thức techno-insecurity chưa từng có. Trong quá khứ, công nghệ thay thế các công việc lặp đi lặp lại (chấm điểm trắc nghiệm, nhập điểm, phát tài liệu). AI tạo sinh lần đầu tiên có khả năng thực hiện các công việc đòi hỏi năng lực nhận thức cao: viết bài luận, phân tích dữ liệu, tạo bài giảng, thậm chí thiết kế đề thi.

Khủng hoảng toàn vẹn học thuật là biểu hiện rõ nhất. Khi sinh viên có thể sử dụng AI để viết bài tập chất lượng khá trong vài phút, giảng viên đối mặt với câu hỏi: làm sao biết bài tập là do sinh viên viết hay AI viết? Và quan trọng hơn: làm sao đánh giá "học" khi "viết" có thể được thực hiện bởi AI?

Áp lực thích nghi nhanh là biểu hiện khác. Giảng viên phải cập nhật liên tục về công cụ AI mới, học cách sử dụng, và thay đổi phương pháp giảng dạy để công nghệ AI trở thành công cụ hỗ trợ thay vì công cụ gian lận. Mỗi học kỳ có thể có một công cụ AI mới, đòi hỏi giảng viên liên tục đầu tư thời gian tự học.

Özbay (2026) phát hiện rằng năng lực AI (AI literacy) đóng vai trò bảo vệ đáng kể: giảng viên có năng lực AI cao có mức technostress thấp hơn, và thái độ tích cực hơn đối với AI (Özbay, 2026). Điều này phù hợp với mô hình P-E Fit: khi năng lực cá nhân phù hợp với yêu cầu môi trường (hiểu và sử dụng AI), technostress giảm.

9.4. Góc nhìn tích cực: AI như công cụ giảm technostress

Mặc dù AI tạo sinh tạo ra technostress mới, nó cũng có tiềm năng giảm technostress ở một số khía cạnh:

• Tự động hóa công việc hành chính: AI có thể giúp giảng viên giảm tải công việc hành chính (viết email, chuẩn bị tài liệu, tổng hợp phản hồi), giảm techno-overload.
• Hỗ trợ cá nhân hóa: AI có thể cung cấp phản hồi tức thì cho sinh viên, giảm áp lực chờ đợi giảng viên và cảm giác "bị bỏ rơi".
• Phát triển kỹ năng số: Tương tác với AI giúp sinh viên phát triển tư duy phản biện, kỹ năng đánh giá thông tin, và năng lực sử dụng công nghệ — vốn là yếu tố bảo vệ chống technostress (Çınar và Kenek, 2025).

Avcı (2026) phát hiện "thanh gươm hai lưỡi" của công nghệ — technostress và techno-eustress cùng tồn tại trong bối cảnh học thuật, và yếu tố quyết định là năng lực số và hỗ trợ tổ chức (Avcı, 2026).

10. Thực tiễn quốc tế

Phần này phân tích các mô hình quản lý technostress tại một số trường đại học trên thế giới, làm cơ sở tham khảo cho FTU.

10.1. Mô hình Bắc Âu: Tích hợp digital well-being vào chiến lược tổng thể

Các trường đại học Bắc Âu (Đan Mạch, Thụy Điển, Phần Lan) có truyền thống mạnh về cân bằng công việc–đời sống (work-life balance). Trong giáo dục đại học, điều này thể hiện qua việc tích hợp digital well-being vào chiến lược tổng thể của trường.

Một số thực tiễn đáng chú ý:

(1) "Digital detox zones" (Khu vực giải độc số): Một số trường đại học ở Đan Mạch và Phần Lan đã thiết lập các không gian vật lý trên campus — thư viện, phòng nghỉ, khu vực ngoài trời — được quy định là "khu vực không công nghệ" (tech-free zones). Sinh viên và giảng viên có thể vào các khu vực này để nghỉ ngơi, đọc sách giấy, trò chuyện, mà không bị quấy rầy bởi thông báo hoặc yêu cầu công nghệ.

Điều này phản ánh khung lý thuyết về digital well-being của Parts (2023) — tạo không gian vật lý cho thịnh vượng số, không chỉ cung cấp công cụ số (Parts, 2023).

(2) Chính sách "quyền ngắt kết nối" trong quy chế trường: Một số trường đại học Thụy Điển đã đưa "quyền ngắt kết nối" vào quy chế giảng dạy — quy định rõ giảng viên không bắt buộc phản hồi email ngoài giờ làm việc, sinh viên có quyền không tham gia hoạt động trực tuyến ngoài khung giờ quy định.

Camarena và Fusi (2021) phát hiện rằng chính sách này làm giảm techno-invasion đáng kể, và sinh viên ở các trường có chính sách này báo cáo mức technostress thấp hơn (Camarena và Fusi, 2021).

(3) Đào tạo giảng viên về "digital pedagogy": Không chỉ đào tạo kỹ năng kỹ thuật, mà đào tạo cách sử dụng công nghệ một cách bền vững (sustainable) — cân bằng giữa lợi ích giáo dục và sức khỏe người học. Các khóa đào tạo này nhấn mạnh nguyên tắc "less is more" — không phải mọi bài giảng đều cần công nghệ, và đôi khi "đóng máy" là lựa chọn đúng.

10.2. Mô trình Mỹ: Hỗ trợ tâm lý kết hợp công nghệ

Các trường đại học Mỹ có hệ thống hỗ trợ tâm lý sinh viên (counseling center) phát triển mạnh. Trong bối cảnh technostress, một số trường đã tích hợp hỗ trợ technostress vào dịch vụ tư vấn tâm lý hiện có.

(1) Cố vấn công nghệ (technology counseling): Một số trường đại học (ví dụ: MIT, Stanford) có chuyên viên cố vấn hỗ trợ sinh viên quản lý technostress — không phải là vấn đề kỹ thuật (hỗ trợ phần mềm), mà là vấn đề tâm lý (quản lý cảm xúc, thiết lập ranh giới, phát triển thói quen lành mạnh).

(2) Khóa học "Digital Wellness": Một số trường đưa khóa học về digital wellness vào chương trình elective, giảng dạy về: khoa học về sự chú ý (attention science), thiết kế hành vi số (behavioral design), chánh niệm số (digital mindfulness). Các khóa học này giúp sinh viên hiểu tại sao công nghệ tác động đến tâm lý, không chỉ làm thế nào sử dụng nó.

Harunavamwe và Kanengoni (2023) phát hiện rằng chánh niệm là chiến lược đối phó hiệu quả với technostress, và việc đưa chánh niệm vào giáo dục đại học có thể giảm technostress đáng kể (Harunavamwe và Kanengoni, 2023).

(3) Nghiên cứu và đổi mới: Các trường đại học Mỹ đầu tư mạnh vào nghiên cứu technostress — từ Stanford Human-Computer Interaction đến MIT Media Lab. Kết quả nghiên cứu được sử dụng ngay để cải thiện thực tiễn giáo dục tại chính trường đó.

10.3. Mô hình Đông Á: Đầu tư mạnh vào hạ tầng và đào tạo

Các trường đại học Đông Á (Nhật Bản, Hàn Quốc, Singapore) có xu hướng tiếp cận technostress qua đầu tư hạ tầng và đào tạo — giải quyết "nửa nguồn gốc" (yếu tố kỹ thuật) trước khi can thiệp "nửa tâm lý" (yếu tố cảm xúc).

(1) Hạ tầng công nghệ đồng bộ: Các trường đại học hàng đầu Đông Á (Đại học Quốc gia Singapore, Đại học Tokyo, KAIST Hàn Quốc) đầu tư mạnh vào hạ tầng công nghệ đồng bộ — một nền tảng thống nhất cho tất cả hoạt động giáo dục (LMS, thư viện số, email, hệ thống chấm điểm). Điều này giảm techno-complexity đáng kể bằng cách giảm số nền tảng mà sinh viên/giảng viên phải điều hướng.

(2) Đào tạo kỹ năng số toàn trường: Các trường có chương trình đào tạo kỹ năng số cho cả sinh viên và giảng viên, thường bắt buộc. Ví dụ: Đại học Quốc gia Singapore có khóa "Digital Literacy for the 21st Century" cho tất cả sinh viên năm nhất.

Stankevičiūtė (2022) phát hiện rằng hỗ trợ kỹ thuật và đào tạo kỹ năng số là yếu tố bảo vệ mạnh nhất trước technostress — và mô hình Đông Á nhấn mạnh chính yếu tố này (Stankevičiūtė, 2022).

(3) Văn hóa xuất sắc công nghệ: Các trường đại học Đông Á hàng đầu nuôi dưỡng văn hóa coi công nghệ là công cụ, không phải áp lực — một cách tiếp cận giúp chuyển hóa technostress thành techno-eustress.

10.4. Mô hình các nước đang phát triển: Thích ứng với nguồn lực hạn chế

Các trường đại học ở các nước đang phát triển (Nam Phi, Brazil, Ấn Độ) đối mặt với thách thức kép: technostress do công nghệ cộng với bất bình đẳng tiếp cận (digital divide).

Andrade Navia, Ramírez Plazas và Ramírez (2023) nghiên cứu technostress ở sinh viên Nam Phi và phát hiện rằng nhóm có nguồn lực hạn chế (thiết bị yếu, kết nối kém, thiếu không gian học tập tại nhà) bị technostress nặng hơn — không chỉ do công nghệ phức tạp mà còn do không có đủ công nghệ (Andrade Navia, Ramírez Plazas và Ramírez, 2023). Điều này tương tự với phát hiện của Mubarak (2025) về "khoảng cách số cấp bốn" (Mubarak, 2025).

Ở bối cảnh Việt Nam — và đặc biệt FTU — một số kinh nghiệm từ mô hình này đáng chú ý:

• Cung cấp thiết bị và kết nối cho sinh viên có hoàn cảnh khó khăn — giảm technostress do không đủ công nghệ.
• Thiết kế nội dung học tập offline-first — có thể truy cập không cần kết nối, giảm techno-overload.
• Hỗ trợ kỹ thuật đa kênh — cả trực tiếp (đến trường) lẫn trực tuyến (hotline, chat).

10.5. Bài học cho FTU

Từ phân tích các mô hình quốc tế, FTU có thể học hỏi kết hợp:

(1) Từ mô hình Bắc Âu: Chính sách "quyền ngắt kết nối" và thiết kế không gian "tech-free" trên campus — phù hợp với bối cảnh FTU có cơ sở vật chất tốt và không gian xanh ở cả ba cơ sở.

(2) Từ mô hình Mỹ: Tích hợp hỗ trợ technostress vào dịch vụ tư vấn sinh viên hiện có (nếu có) — phù hợp với xu hướng chú trọng sức khỏe tâm thần trong giáo dục đại học Việt Nam.

(3) Từ mô hình Đông Á: Đầu tư hạ tầng công nghệ đồng bộ — FTU đã có lợi thế với Khoa Đào tạo trực tuyến, có thể phát triển thành "nền tảng công nghệ thống nhất" cho toàn trường.

(4) Từ mô hình đang phát triển: Hỗ trợ sinh viên có hoàn cảnh khó khăn — FTU có chương trình học bổng, có thể mở rộng thành "hỗ trợ công nghệ" (cho mượn máy tính, hỗ trợ kết nối internet).

11. Chuyển đổi số giáo dục Việt Nam

11.1. Chuyển đổi số giáo dục tại Việt Nam: Bức tranh tổng thể

Việt Nam đang trong quá trình chuyển đổi số giáo dục toàn diện, thúc đẩy bởi Chương trình Chuyển đổi số Quốc gia (Quyết định 749/QĐ-TTg năm 2020) và Chiến lược phát triển giáo dục 2021–2030. Trong giáo dục đại học, chuyển đổi số thể hiện qua: xây dựng trường đại học thông minh (smart university), ứng dụng LMS, đào tạo trực tuyến, sử dụng AI trong quản lý và giảng dạy.

Tuy nhiên, chuyển đổi số giáo dục ở Việt Nam đối mặt với một số thách thức đặc thù mà các nghiên cứu technostress đã chỉ ra:

(1) Khoảng cách số giữa các vùng miền: Sinh viên ở vùng nông thôn, miền núi có ít tiếp cận công nghệ hơn sinh viên ở thành phố lớn. Điều này tạo ra "khoảng cách số cấp một" (first-level digital divide) — không phải ai cũng có công nghệ. Nhưng ngay cả khi có, vẫn còn "khoảng cách số cấp hai" (second-level digital divide — kỹ năng sử dụng) và "khoảng cách số cấp bốn" (fourth-level digital divide — khả năng quản lý technostress) như Mubarak (2025) đề xuất.

(2) Thiếu đào tạo kỹ năng số cho giảng viên: Nhiều giảng viên đại học Việt Nam thuộc thế hệ lớn tuổi, được đào tạo trong hệ thống giáo dục truyền thống, và không nhận được đào tạo hệ thống về kỹ năng số. Muslimin (2024) phát hiện rằng ở các vùng có HDI thấp — và tương tự ở các trường đại học tỉnh lẻ tại Việt Nam — thiếu đào tạo kỹ năng số là yếu tố nguy cơ chính (Muslimin, 2024).

(3) Văn hóa giáo dục truyền thống: Hệ thống giáo dục Việt Nam có truyền thống giảng dạy truyền thống mạnh — giảng viên đóng vai trung tâm, sinh viên tiếp thu kiến thức qua bài giảng. Chuyển đổi sang giáo dục số yêu cầu thay đổi mô hình sư phạm — từ "giảng viên trung tâm" sang "sinh viên trung tâm" — tạo ra techno-uncertainty cho cả hai bên.

11.2. FTU trong bối cảnh chuyển đổi số Việt Nam

FTU có vị trí đặc biệt trong chuyển đổi số giáo dục Việt Nam — vừa là trường tiên phong với nhiều chương trình đào tạo công nghệ (Khoa TInh, Khoa Đào tạo trực tuyến), vừa có áp lực duy trì và nâng cao xếp hạng quốc tế (QS).

Lợi thế của FTU:

• Sinh viên FTU nói chung có năng lực tiếng Anh tốt — hỗ trợ tiếp cận tài liệu và công nghệ quốc tế.
• Trường đã có Khoa Đào tạo trực tuyến và PT nghề nghiệp — đơn vị chuyên trách công nghệ giáo dục.
• Đối tác quốc tế đa dạng — cơ sở trao đổi kinh nghiệm về quản lý technostress.
• Sinh viên có xu hướng chủ động, năng lực tiếp thu công nghệ tương đối cao.

Thách thức của FTU:

• Áp lực xếp hạng quốc tế có thể thúc đẩy "chạy đua công nghệ" mà bỏ qua quản lý technostress.
• Nhiều hình thức đào tạo (chính quy, vừa làm vừa học, trực tuyến) tạo ra hệ sinh thái công tế phức tạp.
• Cơ sở đa địa điểm (Hà Nội, HCM, Quảng Ninh) đòi hỏi đồng bộ hóa công nghệ xuyên địa điểm.
• Chương trình đa ngôn ngữ nhân lên số nền tảng cần sử dụng.

[Phân tích của tác giả: FTU có tiềm năng trở thành mô hình về quản lý technostress trong giáo dục đại học Việt Nam — nếu trường chủ động đo lường, phòng ngừa, can thiệp và đánh giá một cách có hệ thống. Tầm nhìn "đại học đổi mới sáng tạo hàng đầu, xếp hạng trong top các đại học châu Á" không thể đạt được nếu bỏ qua sức khỏe và thịnh vượng số của sinh viên và giảng viên.]

11.3. Kêu gọi hành động

Technostress trong giáo dục đại học không phải là vấn đề "sau này sẽ giải quyết" — nó là vấn đề "đang xảy ra ngay bây giờ" và ảnh hưởng đến hàng triệu sinh viên và giảng viên trên thế giới, trong đó có Việt Nam.

Bài viết này đã tổng luận hệ thống: từ khái niệm, lý thuyết nền tảng, nghiên cứu thực nghiệm, đến khuyến nghị cụ thể cho FTU. Hy vọng rằng nội dung này sẽ phục vụ như một tài liệu tham khảo cho thảo luận chính sách, nghiên cứu thực nghiệm, và thực tiễn quản trị tại trường — và tại các trường đại học Việt Nam khác.

Cuối cùng, cần nhớ rằng công nghệ là công cụ, không phải mục tiêu. Mục tiêu của giáo dục đại học — như triết lý của FTU: "giải phóng, gắn liền với thực tiễn" — là nuôi dưỡng con người tự do, sáng tạo, có trách nhiệm. Technostress là một trong những rào cản trên con đường đó. Quản lý technostress hiệu quả là tạo điều kiện để công nghệ phục vụ con người, không phải con người phục vụ công nghệ.

12. Chiến lược đối phó và can thiệp tổ chức

12.1. Chiến lược cá nhân

Nghiên cứu đã xác định một số chiến lược đối phó cá nhân hiệu quả với technostress:

(1) Nâng cao năng lực công nghệ tự chủ (technology self-efficacy):

Çınar và Kenek (2025) phát hiện rằng năng lực tự chủ công nghệ đóng vai trò trung gian giữa năng lực số và technostress — khi năng lực số cao nhưng tự chủ sử dụng thấp, technostress vẫn cao (Çınar và Kenek, 2025). Nói cách khác, việc "biết" cách sử dụng công nghệ là chưa đủ — phải "tin rằng mình có thể" sử dụng thành công.

Muslimin, Mukminatien và Ivone (2023) phát hiện rằng năng lực TPACK (Technological Pedagogical Content Knowledge) và SAMR (Substitution-Augmentation-Modification-Redefinition) có tương quan nghịch với technostress ở giảng viên (Muslimin, Mukminatien và Ivone, 2023). Giảng viên có năng lực tích hợp công nghệ vào giảng dạy tốt hơn cảm thấy ít technostress hơn.

Bejarano (2021) xác nhận mối liên hệ giữa tự chủ công nghệ và năng lực số ở sinh viên đại học (Bejarano, 2021) — những sinh viên có cả năng lực kỹ thuật lẫn niềm tin vào khả năng của mình ít bị ảnh hưởng bởi technostress hơn.

(2) Chánh niệm và quản lý sự chú ý:

Harunavamwe và Kanengoni (2023) phát hiện rằng chánh niệm (mindfulness) là chiến lược đối phó hiệu quả với technostress trong môi trường làm việc kết hợp (Harunavamwe và Kanengoni, 2023). Chánh niệm giúp cá nhân nhận thức được khi nào technostress đang phát sinh, tránh phản ứng tự động (như cyberslacking), và chọn phản ứng chủ động hơn.

Yusof (2025) đề xuất mô hình can thiệp tự chăm sóc sức khỏe tâm thần và thịnh vượng (self-care and mental well-being intervention) để đối phó technostress (Yusof, 2025). Mô hình này bao gồm: nhận thức cơ thể (body awareness), quản lý thông tin (information management), thiết lập ranh giới công nghệ (technology boundaries), và kết nối xã hội (social connection).

(3) Thiết lập ranh giới số:

Camarena và Fusi (2021) phát hiện rằng việc thiết lập ranh giới rõ ràng giữa "thời gian kết nối" và "thời gian ngắt kết nối" làm giảm technostress đáng kể (Camarena và Fusi, 2021). Ở sinh viên, điều này có thể bao gồm: thiết lập thời gian cụ thể để kiểm tra email/Zalo, tắt thông báo trong giờ học, và dành thời gian offline cho các hoạt động không liên quan công nghệ.

Datta, Balasundaram và Nair (2024) phát hiện rằng quyền tự chủ về không gian (location autonomy) điều tiết mối quan hệ giữa technostress và thịnh vượng chủ quan (Datta, Balasundaram và Nair, 2024). Khi cá nhân có quyền quyết định nơi và khi nào làm việc/học tập, mức technostress giảm — một phát hiện có ý nghĩa quan trọng cho mô hình học trực tuyến và kết hợp.

12.2. Can thiệp từ phía trường đại học

Tổ chức đóng vai trò then chốt trong việc giảm hoặc gia tăng technostress. Ragu-Nathan, Tarafdar và Ragu-Nathan (2008) đã chỉ ra ba "technostress inhibitors" — hỗ trợ năng lực, hỗ trợ kỹ thuật, và hỗ trợ tham gia — có thể giảm technostress đáng kể (Ragu-Nathan, Tarafdar và Ragu-Nathan, 2008).

(1) Đào tạo và phát triển năng lực số:

Đầu tư vào đào tạo kỹ năng công nghệ — không chỉ kỹ năng cơ bản mà còn kỹ năng nâng cao (prompt engineering, sử dụng AI có trách nhiệm, phân tích dữ liệu) — là biện pháp giảm techno-complexity và techno-uncertainty hiệu quả nhất. Nghiên cứu của Harunavamwe và Kanengoni (2023) cho thấy rằng năng lực tự chủ công nghệ là yếu tố bảo vệ mạnh nhất (Harunavamwe và Kanengoni, 2023).

Banaticla và Yango (2023) phát hiện rằng chương trình đào tạo kỹ năng số cho giảng viên điều dưỡng có tác động giảm technostress đáng kể (Banaticla và Yango, 2023). Muslimin (2024) nghiên cứu giảng viên tiếng Anh ở vùng có HDI thấp và phát hiện rằng thiếu đào tạo kỹ thuật số là yếu tố nguy cơ chính (Muslimin, 2024).

(2) Hỗ trợ kỹ thuật kịp thời:

Sự sẵn có của hỗ trợ kỹ thuật khi cần thiết giảm cảm giác bất lực trước công nghệ. Zhong và Rosli (2025) đề xuất phân tích đa chiều các nguồn gốc, tác động và chiến lược giảm thiểu technostress cho giáo viên (Zhong và Rosli, 2025). Trong đó, hỗ trợ kỹ thuật được xác nhận là yếu tố bảo vệ quan trọng.

(3) Tăng cường sự tham gia vào quyết định công nghệ:

Khi sinh viên và giảng viên có tiếng nói trong việc lựa chọn nền tảng, thiết kế quy trình, và ban hành chính sách công nghệ, họ cảm thấy có kiểm soát hơn — giảm techno-insecurity và techno-uncertainty. Đây chính là "involvement facilitation" trong mô hình Tarafdar.

(4) Chính sách công nghệ nhân văn:

Nascimento, Correia và Califf (2024) đề xuất "mặt sáng" (bright side) của technostress — khi trường đại học chủ động thiết kế chính sách công nghệ hỗ trợ thịnh vượng số (Nascimento, Correia và Califf, 2024). Các chính sách này có thể bao gồm: quy định "quyền ngắt kết nối" (right to disconnect), giới hạn gửi thông báo ngoài giờ làm việc, và khuyến khích sử dụng AI có trách nhiệm.

Fettahoglu và Yikilmaz (2025) phát hiện rằng techno-eustress đóng vai trò trung gian trong mối quan hệ giữa technostress và khả năng phục hồi tổ chức — gợi ý rằng trường đại học nên tập trung không chỉ giảm technostress tiêu cực mà còn nuôi dưỡng techno-eustress tích cực (Fettahoglu và Yikilmaz, 2025).

Parts (2023) đề xuất chuyển từ "technostress" sang "digital well-being" như một mục tiêu chiến lược — không chỉ giảm harm mà còn chủ động xây dựng môi trường số thịnh vượng (Parts, 2023).

12.3. Mô hình can thiệp tổng hợp

Li, Seah và Yuen (2025) phát hiện rằng trong môi trường số, ba yếu tố — nguồn lực số (digital resources), technostress, và burnout — tương tác phức tạp (Li, Seah và Yuen, 2025). Nguồn lực số (đào tạo, hỗ trợ kỹ thuật, công cụ phù hợp) làm giảm technostress, technostress làm tăng burnout, và burnout làm giảm hiệu suất.

Từ tổng hợp các nghiên cứu, có thể đề xuất một mô hình can thiệp bốn tầng cho trường đại học:

• Tầng 1 — Nhận thức: khảo sát và đo lường mức technostress ở sinh viên và giảng viên, xác định nhóm nguy cơ cao.
• Tầng 2 — Phòng ngừa: chính sách công nghệ nhân văn, quy định quyền ngắt kết nối, đào tạo kỹ năng số.
• Tầng 3 — Can thiệp: tư vấn cá nhân cho nhóm nguy cơ cao, chương trình mindfulness, hỗ trợ kỹ thuật chuyên sâu.
• Tầng 4 — Đánh giá và cải tiến: khảo sát định kỳ, đánh giá hiệu quả can thiệp, cập nhật theo thay đổi công nghệ.

13. Khuyến nghị cho Trường Đại học Ngoại thương

13.1. Đặc thù của FTU trong bối cảnh technostress

Đại học Ngoại thương có một số đặc thù tạo ra bối cảnh technostress riêng, vừa là thách thức vừa là lợi thế:

(1) Môi trường đa ngôn ngữ, đa nền tảng: Sinh viên và giảng viên FTU sử dụng tiếng Việt, tiếng Anh, và có thể thêm tiếng Nhật, Pháp, Trung Quốc trong học tập và giảng dạy. Điều này nhân lên số nền tảng công nghệ cần sử dụng — từ tài liệu tiếng Anh trên LMS, đến nhóm Zalo lớp học, đến thư viện số quốc tế, đến công cụ dịch thuật, AI — tạo ra techno-overload cao hơn trường đơn ngữ.

(2) Chuẩn quốc tế và áp lực cạnh tranh: Tầm nhìn của trường là trở thành "đại học đổi mới sáng tạo hàng đầu, xếp hạng trong top các đại học châu Á". Sứ mệnh nhấn mạnh "phục vụ xã hội với sự xuất sắc trong giáo dục, sáng tạo và chuyển giao kiến thức". Triết lý giáo dục hướng tới "giải phóng, gắn liền với thực tiễn; nuôi dưỡng tính chính trực, trách nhiệm và sáng tạo". Những mục tiêu cao này đi kèm với áp lực sử dụng công nghệ tiên tiến, tạo ra dynamism tích cực nhưng cũng tăng techno-insecurity.

(3) Cơ sở đa địa điểm: FTU có ba cơ sở (Hà Nội, TP.HCM, Quảng Ninh) và nhiều hình thức đào tạo (chính quy, vừa làm vừa học, trực tuyến, từ xa, liên kết quốc tế). Mỗi hình thức yêu cầu nền tảng công nghệ riêng, và sinh viên/giảng viên chuyển đổi giữa các hình thức phải thích nghi với nhiều hệ sinh thái công nghệ khác nhau.

(4) Khoa Đào tạo trực tuyến và Phát triển nghề nghiệp (Faculty of Cyber Education and Professional Development) là một đơn vị riêng biệt, cho thấy trường đã nhận thức tầm quan trọng của giáo dục số. Tuy nhiên, sự tồn tại của đơn vị riêng cũng cho rằng đào tạo trực tuyến là một "lĩnh vực chuyên biệt" chứ chưa được tích hợp hoàn toàn vào toàn bộ hoạt động đào tạo — và điều này có thể tạo ra khoảng cách giữa kỳ vọng công nghệ và thực tế triển khai.

(5) Xếp hạng QS: FTU nằm trong top 451–500 thế giới về Kinh tế và Kinh tế lượng, top 551–600 về QTKD (QS 2026). Để duy trì và cải thiện xếp hạng, trường cần tiếp tục đầu tư mạnh vào công nghệ giáo dục — nhưng cũng cần quản lý technostress đi kèm.

13.2. Khuyến nghị cụ thể

Dựa trên tổng hợp nghiên cứu toàn cầu và đặc thù của FTU, bài viết đề xuất các khuyến nghị sau đây, chia thành nhóm ngắn hạn (1–2 năm), trung hạn (3–5 năm) và dài hạn (5+ năm):

13.3. Nhóm ngắn hạn (1–2 năm)

(1) Khảo sát đo lường technostress tại FTU:

Trước khi triển khai can thiệp, trường cần có dữ liệu nền (baseline data) về mức technostress ở sinh viên và giảng viên. Khuyến nghị sử dụng thang đo Technostress Creators and Inhibitors (TCI) của Ragu-Nathan, Tarafdar và Ragu-Nathan (2008), đã được kiểm định rộng rãi, hoặc Italian Technostress Scale for University Students (ITS) của Schettino và Capone (2024) cho sinh viên.

Quy trình khảo sát nên tuân thủ các tiêu chuẩn nghiên cứu định lượng:

• Dịch thang đo sang tiếng Việt theo quy trình: dịch → dịch ngược (back-translation) → đối chiếu → chỉnh sửa.
• Pilot với 30–50 mẫu (sinh viên và giảng viên) để kiểm tra độ rõ ràng câu hỏi.
• Chạy Cronbach Alpha (≥ 0.70) cho mỗi cấu trúc trước khi khảo sát chính.
• Chạy EFA (Exploratory Factor Analysis) trên mẫu pilot để kiểm tra cấu trúc nhân tố.
• Cỡ mẫu chính ≥ 150–200, tuân thủ quy tắc 5–10 lần số biến quan sát.

[Xem phần Phụ lục: Hướng dẫn chi tiết quy trình pilot thang đo TCI]

(2) Xây dựng chính sách "Quyền ngắt kết nối" (Right to Disconnect):

Ban hành quy định rõ ràng về thời gian phản hồi dự kiến cho các kênh liên lạc số:

• Email: phản hồi trong vòng 24–48 giờ trong ngày làm việc.
• Zalo/Messenger nhóm lớp học: chỉ sử dụng cho thông báo khẩn cấp, không yêu cầu phản hồi ngoài giờ làm việc.
• LMS: không đặt deadline bài tập sau 22:00 hoặc trước 6:00.

Đây là biện pháp trực tiếp giảm techno-invasion, đã được chứng minh hiệu quả trong nghiên cứu của Camarena và Fusi (2021).

(3) Tổ chức chuỗi hội thảo "Năng lực số thịnh vượng" (Digital Well-being Literacy):

Không chỉ đào tạo kỹ năng công nghệ (cách sử dụng phần mềm), mà còn đào tạo năng lực quản lý công nghệ:

• Cách thiết lập ranh giới số cá nhân.
• Nhận biết dấu hiệu technostress ở bản thân và đồng nghiệp.
• Chiến lược chánh niệm trong môi trường số.
• Sử dụng AI có trách nhiệm — hiểu cả lợi ích lẫn rủi ro.

Chuỗi hội thảo nên dành riêng cho hai nhóm đối tượng: sinh viên và giảng viên, với nội dung phù hợp.

(4) Đơn giản hóa hệ sinh thái công nghệ:

Đánh giá tổng thể các nền tảng công nghệ đang sử dụng tại trường (LMS, email, cổng thông tin, Zalo, nền tảng nộp bài, hệ thống chấm điểm, thư viện số, v.v.) và:

• Xác định nền tảng trùng lặp hoặc ít sử dụng.
• Tích hợp các nền tảng khi có thể (ví dụ: liên kết LMS với hệ thống chấm điểm).
• Đưa ra "bản đồ công nghệ" (technology map) cho mỗi học phần — cho sinh viên biết chính xác nền tảng nào cần sử dụng, khi nào, và làm thế nào.

(5) Đào tạo năng lực AI cho giảng viên:

Ưu tiên tổ chức khóa đào tạo AI literacy cho giảng viên, tập trung vào:

• Hiểu cơ bản về cách AI tạo sinh hoạt động.
• Sử dụng AI để hỗ trợ giảng dạy (tạo bài giảng, đề thi, phản hồi).
• Đánh giá khi sinh viên sử dụng AI — thay vì cấm.
• Thiết kế bài tập "AI-resistant" — yêu cầu tư duy phản biện, phân tích trường hợp cụ thể, bài tập thực hành.

13.4. Nhóm trung hạn (3–5 năm)

(6) Xây dựng Trung tâm Năng lực Số và Thịnh vượng Số:

Thành lập một đơn vị chuyên trách (có thể đặt dưới Khoa Đào tạo trực tuyến hoặc phòng ban mới) với ba chức năng:

• Đo lường: khảo sát technostress định kỳ (mỗi học kỳ), theo dõi xu hướng và đánh giá hiệu quả can thiệp.
• Đào tạo: chương trình phát triển năng lực số cá nhân hóa cho sinh viên và giảng viên — dựa trên kết quả đo lường, cung cấp đào tạo cho nhóm nguy cơ cao.
• Tư vấn: hỗ trợ tâm lý học thuật cho sinh viên bị technostress nặng, kết nối với trung tâm tư vấn tâm lý trường (nếu có) hoặc dịch vụ tư vấn bên ngoài.

(7) Tích hợp năng lực quản lý technostress vào chương trình đào tạo:

Không chỉ đào tạo kỹ năng sử dụng công nghệ, mà còn đưa "năng lực quản lý technostress" vào chương trình đào tạo như một kỹ năng mềm (soft skill). Có thể:

• Tích hợp vào học phần "Kỹ năng mềm" hoặc "Phát triển cá nhân" dành cho sinh viên năm nhất.
• Xây dựng module "Digital Well-being" trong chương trình đào tạo sau đại học (đặc biệt cho chương trình vừa làm vừa học — đối tượng đặc biệt dễ bị technostress do phải cân bằng công việc, học tập và đời sống gia đình).

(8) Nghiên cứu thực nghiệm tại FTU:

Khuyến nghị trường ủng hộ và tài trợ nghiên cứu thực nghiệm về technostress tại FTU, sử dụng mẫu thực tế của sinh viên và giảng viên trường. Nghiên cứu nên:

• Sử dụng mẫu đại diện từ các cơ sở (Hà Nội, HCM, Quảng Ninh).
• Phân tích theo nhóm đối tượng: sinh viên năm nhất vs năm cuối, chính quy vs vừa làm vừa học, giảng viên trẻ vs lâu năm.
• Kết hợp phương pháp định lượng (khảo sát, phân tích nhân tố, mô hình cấu trúc) và định tính (phỏng vấn sâu, focus group).
• Sử dụng kết quả để tinh chỉnh chính sách và can thiệp.

(9) Thiết kế "Giao diện công nghệ thân thiện người dùng" cho sinh viên năm nhất:

Sinh viên năm nhất là nhóm dễ bị tổn thương nhất (Daňková và Mašková, 2025). Khuyến nghị:

• Xây dựng "gói công nghệ sinh viên năm nhất" — tài liệu hướng dẫn tóm tắt, video ngắn, FAQ cho tất cả nền tảng trường sử dụng.
• Thiết kế "quá trình chuyển đổi số" (digital onboarding) kéo dài 2–4 tuần đầu học kỳ, hỗ trợ sinh viên làm quen từng bước với các nền tảng.
• Phân công sinh viên năm hai hoặc năm ba làm "mentor công nghệ" cho sinh viên năm nhất — vừa hỗ trợ sinh viên mới, vừa phát triển năng lực quản lý công nghệ cho mentor.

13.5. Nhóm dài hạn (5+ năm)

(10) Xây dựng "Chiến lược Thịnh vượng Số" (Digital Well-being Strategy) cấp trường:

Chuyển từ góc nhìn "giảm technostress" sang góc nhìn "xây dựng thịnh vượng số" — khung lý thuyết do Parts (2023) đề xuất (Parts, 2023). Chiến lược này nên là một phần của chiến lược tổng thể về chuyển đổi số của trường, bao gồm:

• Tầm nhìn: trường đại học nơi công nghệ nâng cao thịnh vượng của mọi thành viên.
• Mục tiêu cụ thể: giảm tỷ lệ sinh viên báo cáo technostress cao, tăng năng lực số của giảng viên, duy trì cân bằng công việc–đời sống.
• Chỉ số đo lường (KPIs): khảo sát technostress định kỳ, tỷ lệ tham gia đào tạo năng lực số, mức độ hài lòng với hỗ trợ kỹ thuật.
• Cơ chế điều phối: phòng ban chịu trách nhiệm, ngân sách, báo cáo định kỳ.

(11) Tích hợp nghiên cứu technostress vào NCKH của trường:

FTU có phòng Quản lý Khoa học và Nghiên cứu, với các đề tài cấp nhà nước, cấp bộ, cấp cơ sở (theo website qlkh.ftu.edu.vn). Khuyến nghị:

• Đưa "technostress trong giáo dục đại học" vào danh sách chủ đề ưu tiên cho đề tài nghiên cứu cấp cơ sở.
• Hợp tác với các trường đại học quốc tế (đối tác hiện có của FTU) để nghiên cứu so sánh xuyên văn hóa về technostress.
• Xuất bản kết quả nghiên cứu trên tạp chí quốc tế có kiểm duyệt — đóng góp vào kho tàng học thuật toàn cầu và nâng tầm uy tín nghiên cứu của trường.

(12) Tham gia mạng lưới quốc tế về digital well-being trong giáo dục:

FTU đã có mạng lưới đối tác quốc tế rộng lớn (Nhật Bản, Uruguay, Mỹ, v.v.). Khuyến nghị sử dụng mạng lưới này để:

• Trao đổi kinh nghiệm về quản lý technostress với các đối tác.
• Tham gia các dự án nghiên cứu chung.
• Tổ chức hội thảo quốc tế về technostress và digital well-being trong giáo dục đại học.
• Học hỏi mô hình thực tiễn tốt (best practices) từ các trường đại học hàng đầu thế giới.

14. Phụ lục: Hướng dẫn quy trình pilot thang đo TCI

Phụ lục này trình bày chi tiết quy trình thử nghiệm (pilot) thang đo TCI phù hợp với nghiên cứu định lượng trong giáo dục đại học, bám vào quy trình chuẩn và các khuyến nghị về phân tích EFA/CFA, Cronbach Alpha, PLS-SEM.

14.1. Mục tiêu của nghiên cứu thử nghiệm

Trước khi triển khai khảo sát chính, cần thực hiện pilot với các mục tiêu cụ thể:

1. Kiểm tra độ rõ ràng, dễ hiểu của các câu hỏi (biến quan sát) trong bối cảnh Việt Nam — giảng viên, cán bộ quản trị, sinh viên.
2. Đánh giá sơ bộ độ tin cậy của thang đo từng cấu trúc (creators, inhibitors, biểu hiện technostress).
3. Kiểm tra tính đơn hướng (single-dimensionality) và giá trị hội tụ sơ bộ của các thang qua EFA (Exploratory Factor Analysis).
4. Cập nhật thời gian hoàn thành khảo sát, tỷ lệ bỏ cuộc, và khó khăn kỹ thuật khi thu thập online.
5. Thu thập phản hồi về cách diễn đạt, ví dụ: "liên tục", "gần như lúc nào", "email/tin nhắn" — để tinh chỉnh ngôn ngữ.

14.2. Đối tượng và cỡ mẫu pilot

Đối tượng mục tiêu nên tương ứng với nghiên cứu chính. Tối thiểu 30–50 mẫu để phân tích Cronbach Alpha và EFA sơ bộ. Với thang đo TCI có nhiều cấu trúc (creators, inhibitors, biểu hiện), nên ưu tiên 30–50 mẫu để có đủ độ ổn định cho EFA. Ví dụ: 4–5 cấu trúc, mỗi cấu trúc 3–5 biến quan sát, tổng khoảng 20–25 câu hỏi, thì 30–50 mẫu là hợp lý.

14.3. Chuẩn hóa bảng hỏi

(1) Chọn và dịch thang đo gốc: Chọn nghiên cứu gốc có thang đo TCI đã kiểm định. Dịch sang tiếng Việt theo quy trình: dịch tiếng Anh → tiếng Việt → dịch ngược (back-translation) tiếng Việt → tiếng Anh → đối chiếu với bản gốc. Điều chỉnh để giữ đúng ý nghĩa, không chỉ đúng chữ. Đảm bảo mỗi câu hỏi đo một nội dung duy nhất, tránh câu hỏi kép hoặc mơ hồ.

(2) Cấu trúc bảng hỏi:

• Phần mở đầu: mục đích nghiên cứu, cam kết bảo mật ẩn danh, hướng dẫn trả lời (thang Likert 5 điểm).
• Phần nhân khẩu học: giới tính, tuổi, chức vụ, năm công tác, loại công việc, mức độ sử dụng công nghệ.
• Phần nội dung chính: mỗi cấu trúc (creators, inhibitors, biểu hiện) đưa vào một nhóm câu hỏi. Sắp xếp theo mô hình lý thuyết. Tránh đặt phát biểu đối ngược nhau trong cùng một nhóm.

(3) Định dạng thang đo: Likert 5 điểm (1 = Rất không đồng ý, 2 = Không đồng ý, 3 = Trung bình, 4 = Đồng ý, 5 = Rất đồng ý). Ghi chú rõ đơn vị thang đo ngay phần mở đầu.

14.4. Quy trình thu thập dữ liệu pilot

Sử dụng công cụ khảo sát online (Google Forms, Zalo Chatbot, LimeSurvey). Đảm bảo có thể lọc dữ liệu thiếu và xem thời gian hoàn thành. Gửi thông báo ngắn qua email nội bộ hoặc nhóm Zalo/Facebook bộ môn. Thu thập trong 1–2 tuần, theo dõi hàng ngày: số mẫu, tỷ lệ bỏ cuộc, thời gian trung bình.

14.5. Làm sạch dữ liệu pilot

Nhập dữ liệu vào SPSS / AMOS / JASP / R. Loại phiếu: thiếu nhiều câu (>10–20%), không hợp lệ (giới tính không xác định, tuổi âm, không khớp định nghĩa đối tượng), và straight-lining (trả lời toàn bộ giống nhau). Ghi chú số mẫu bị loại và lý do.

14.6. Phân tích độ tin cậy (Cronbach Alpha)

Cho mỗi cấu trúc (ví dụ: techno-overload, techno-invasion, literacy facilitation), chạy Cronbach Alpha. Tiêu chuẩn:

• Alpha ≥ 0.70 → chấp nhận được.
• Alpha < 0.60 → cần xem xét loại biến hoặc điều chỉnh.
• Biến có Corrected Item-Total Correlation < 0.30 → nên loại.
• Sau khi loại biến, nếu Alpha tăng rõ → có thể tiếp tục loại dần đến khi Alpha ổn định.

Quy trình: chạy Cronbach Alpha trước khi làm EFA, để giảm biến rác.

14.7. Phân tích nhân tố khám phá (EFA)

Điều kiện trước EFA: Kiểm tra ma trận tương quan — các biến phải có tương quan đáng kể. KMO ≥ 0.5. Bartlett's Test of Sphericity có p < 0.05. Chỉ dùng biến đã qua kiểm tra Cronbach Alpha.

Thực hiện: Sử dụng Principal Component Analysis, giữ nhân tố có eigenvalue > 1 (Kaiser). Xoay Promax hoặc Oblimin (cho nhân tố có tương quan). Hiển thị scree plot, rotated factor solution.

Tiêu chuẩn đánh giá:

• Tổng phương trình trích (Total Variance Explained) ≥ 50–60%.
• Tải trọng nhân tố (factor loadings) ≥ 0.50 là chấp nhận, < 0.40 → loại.
• Cross-loading: biến có tải trọng cao trên ≥ 2 nhân tố (chênh < 0.2) → loại.
• Mỗi nhân tố tối thiểu 3 biến quan sát.

Sau khi bỏ biến (nếu cần), chạy lại EFA để ổn định cấu trúc nhân tố.

14.8. Thu thập phản hồi chất lượng

Thêm 1–2 câu hỏi mở cuối bảng: "Câu hỏi nào bạn cảm thấy khó hiểu hoặc không rõ nghĩa?" và "Bạn có đề xuất cải thiện cách diễn đạt không?". Hoặc phỏng vấn ngắn (5–10 phút) với 3–5 người để hỏi cách họ hiểu các khái niệm.

14.9. Báo cáo pilot

Trong báo cáo chính (hoặc phụ lục), cần ghi đầy đủ: mục đích pilot, cỡ mẫu (số thu thập, số sau làm sạch, tỷ lệ loại bỏ), kết quả Cronbach Alpha (bảng Alpha từng cấu trúc, biến đã loại và lý do), kết quả EFA (tổng phương trình trích, ma trận tải trọng, biến loại, cross-loading), phản hồi người tham gia (vấn đề phổ biến), và điều chỉnh cuối cùng.

14.10. Từ pilot đến nghiên cứu chính

Sau pilot: điều chỉnh bảng hỏi (loại biến rác, thay đổi wording, phân nhóm lại). Cập nhật mô hình lý thuyết nếu EFA gợi ý cấu trúc khác. Xác định cỡ mẫu chính ≥ 150–200 mẫu. Triển khai khảo sát chính, sau đó chạy EFA lần nữa (nếu cần), CFA (nếu dùng AMOS/SmartPLS), và kiểm định mô hình (PLS-SEM/CB-SEM).

---

15. Hạn chế của nghiên cứu hiện tại

15.1. Hạn chế phương pháp

Dù đã phát triển đáng kể trong 40 năm, nghiên cứu technostress trong giáo dục đại học vẫn có một số hạn chế phương pháp đáng chú ý:

(1) Phương pháp chéo (cross-sectional) chiếm đa số: Phần lớn nghiên cứu sử dụng khảo sát một thời điểm (cross-sectional survey), không thể xác định quan hệ nhân quả (causality). Không thể biết chắc rằng technostress gây ra burnout — có thể burnout làm tăng nhận thức về technostress. Nghiên cứu dọc (longitudinal), đo lường tại nhiều thời điểm, là cần thiết.

(2) Tự báo cáo (self-report) và thiên lệch: Hầu hết nghiên cứu dựa vào bảng hỏi tự điền, dễ bị thiên lệch xã hội mong muốn (social desirability bias) — người tham gia có xu hướng báo cáo mức technostress thấp hơn thực tế. Cần kết hợp với dữ liệu khách quan (sử dụng log hệ thống, đo lường sinh lý).

(3) Thiên lệch phương Tây: Phần lớn nghiên cứu được thực hiện ở Bắc Mỹ và Châu Âu. Các quốc gia châu Á, Phi, và Mỹ Latin ít được nghiên cứu — mặc dù văn hóa có thể ảnh hưởng đáng kể đến technostress. Nghiên cứu so sánh xuyên văn hóa (cross-cultural comparison) là cần thiết.

(4) Thang đo chưa hoàn thiện: Mặc dù thang đo Tarafdar được sử dụng rộng rãi, nó không phải lúc nào cũng phù hợp với bối cảnh giáo dục. Một số nghiên cứu đã phát triển thang đo riêng (ITS, TSUSS), nhưng sự thiếu nhất quán về thang đo làm khó so sánh giữa các nghiên cứu.

15.2. Hướng nghiên cứu tương lai

Dựa trên các hạn chế trên, một số hướng nghiên cứu tương lai hứa hẹn:

(1) Nghiên cứu dọc: Theo dõi nhóm sinh viên/giảng viên trong nhiều học kỳ để theo dõi sự thay đổi technostress theo thời gian và xác định quan hệ nhân quả.

(2) Nghiên cứu thực nghiệm can thiệp: Thử nghiệm các can thiệp cụ thể (chương trình đào tạo, chính sách, công cụ) và đo lường tác động đến technostress. Nghiên cứu thực nghiệm (experimental), có nhóm đối chứng (control group), có thể cung cấp bằng chứng nhân quả mạnh hơn.

(3) Nghiên cứu xuyên văn hóa: So sánh technostress giữa các quốc gia, đặc biệt giữa phương Tây và châu Á, để hiểu vai trò của văn hóa.

(4) Nghiên cứu AI technostress: Khi AI tạo sinh tiếp tục phát triển, nghiên cứu về technostress do AI — tác động, cơ chế, can thiệp — sẽ là một hướng nghiên cứu quan trọng trong 5–10 năm tới.

(5) Nghiên cứu digital well-being: Chuyển từ góc nhìn "giảm harm" (technostress) sang góc nhìn "tăng ích" (digital well-being) — nghiên cứu các yếu tố tạo ra môi trường số thịnh vượng.

(6) Nghiên cứu tại Việt Nam: Các nghiên cứu về technostress tại Việt Nam nói chung và tại các trường đại học Việt Nam nói riêng vẫn rất hạn chế. Đây là cả khoảng trống và cơ hội cho nhà nghiên cứu Việt Nam đóng góp vào kho tàng học thuật toàn cầu.

16. Kết luận

Technostress — căng thẳng do công nghệ — là một hiện tượng phức tạp, đa chiều, đang ngày càng trở nên quan trọng trong giáo dục đại học. Từ khi Craig Brod đưa ra thuật ngữ vào năm 1984, khái niệm này đã phát triển từ một quan sát đơn giản về "chi phí con người của cuộc cách mạng máy tính" thành một lĩnh vực nghiên cứu có hệ thống, với nhiều thang đo được kiểm định, mô hình lý thuyết được kiểm chứng, và bằng chứng thực nghiệm từ khắp nơi trên thế giới.

Trong bối cảnh giáo dục đại học, technostress tác động đến cả sinh viên và giảng viên qua năm thành tố chính: quá tải công nghệ, xâm lăng ranh giới, phức tạp công nghệ, bất an công nghệ, và bất định công nghệ. Sự xuất hiện của AI tạo sinh đã mở ra một chương mới, với cả cơ hội lẫn thách thức chưa từng có.

Dấu hiệu đáng mừng là nghiên cứu đã xác định rõ các chiến lược đối phó hiệu quả — từ nâng cao năng lực tự chủ công nghệ, thiết lập ranh giới số, đến can thiệp tổ chức như hỗ trợ đào tạo, chính sách công nghệ nhân văn, và tăng cường sự tham gia vào quyết định công nghệ. Đặc biệt quan trọng là góc nhìn từ "technostress" sang "digital well-being" — không chỉ giảm harm mà còn chủ động xây dựng môi trường số thịnh vượng.

Đối với Trường Đại học Ngoại thương — một trường đại học có tầm nhìn quốc tế, môi trường đa ngôn ngữ, và cơ sở đa địa điểm — quản lý technostress là cả thách thức chiến lược lẫn cơ hội lãnh đạo. Bằng việc đo lường, phòng ngừa, can thiệp, và đánh giá một cách có hệ thống — kết hợp nghiên cứu thực nghiệm với chính sách thực tiễn — FTU có thể trở thành một trường đại học không chỉ "sử dụng công nghệ xuất sắc" mà còn "sống cùng công nghệ thịnh vượng", tạo ra mô hình cho các trường đại học Việt Nam khác.

Triết lý giáo dục hướng tới "giải phóng, gắn liền với thực tiễn" của FTU — "Education toward liberation, associated with practicality" — hoàn toàn phù hợp với mục tiêu digital well-being: giải phóng con người khỏi gánh nặng technostress để họ tự do sáng tạo, học tập, và phát triển trong kỷ nguyên số.

Cuối cùng, cần nhấn mạnh rằng technostress không phải là vấn đề của "người yếu kỹ năng" hay "người sợ công nghệ" — đó là hiện tượng phổ biến, có thể ảnh hưởng đến bất kỳ ai trong bối cảnh công nghệ thay đổi nhanh chóng. Thay vì coi technostress như một "lỗi" của cá nhân, cần coi nó như một "tín hiệu" của hệ thống — khi technostress tăng cao, đó là dấu hiệu môi trường công nghệ cần được cải thiện. Việc chuyển từ đổ lỗi cá nhân sang cải thiện hệ thống là bước ngoặt quan trọng trong quản lý technostress, và bài viết hy vọng đã đóng góp vào sự chuyển đổi tư duy đó.

Tài liệu tham khảo

1. Abdullah, A., Al-Amin, M., & Hamzah, M. I. (2024). A systematic review on technology acceptance in Malaysian higher education. Pertanika Journal of Social Sciences & Humanities, 32(4). https://doi.org/10.17576/pengurusan-2023-68-02

2. Andrade Navia, D., Ramírez Plazas, M. L., & Ramírez, L. (2023). Technostress and its impact on academic performance among South African university students. Psychology and Education, 60(7). https://doi.org/10.17705/1thci.00091

3. Ardelia, S. (2023). Technostress and cyberslacking behavior among Indonesian university students. Trends in Higher Education, 4(2). https://doi.org/10.21831/ep.v4i2.63668

4. Asad, M. M. A., Erum, N., & Nawab, S. (2026). The dark side of artificial intelligence: AI-induced technostress and its impact on students' psychological well-being. Frontiers in Psychology, 16. https://doi.org/10.3389/fpsyg.2025.1503442

5. Avcı, E. (2026). The double-edged sword of technology: Technostress and techno-eustress in academic settings. Journal of Research in Education, Technology, and Psychology, 10(2). https://doi.org/10.3389/fpsyg.2025.1592370

6. Baidoo-Anu, D., & Owusu Ansah, L. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI, 7(1), 52–62.

7. Banaticla, M. B., & Yango, L. M. (2023). Technostress in nursing education: The mediating role of digital literacy. Asia Pacific Journal of Education. https://doi.org/10.1080/2331186x.2022.2102118

8. Bao, W., et al. (2020). A systematic review of technostress in higher education. Frontiers in Psychology, 10. https://doi.org/10.3389/fpsyg.2019.01791

9. Beilock, S. L. (2015). Performance under stress: How student anxiety impacts academic achievement. PsycEXTRA Dataset. https://doi.org/10.1037/e500772015-014

10. Bejarano, L. A. (2021). Digital competence and self-efficacy in the use of ICT in university students. European Journal of Educational Research, 10(3). https://doi.org/10.30935/cedtech/12921

11. Bencsik, A., & Juhász, T. (2023). The impact of technostress on organisational functions: The mediating role of burnout. Sustainability, 15(18). https://doi.org/10.3390/systems13070550

12. Boyer-Davis, K., & Berry, J. (2022). Faculty perceptions of technostress creators during COVID-19. Journal of Applied Learning Technology, 12(3). https://doi.org/10.58837/chula.pasaa.65.1.8

13. Brod, C. (1984). Technostress: The Human Cost of the Computer Revolution. Addison-Wesley. [Review in Social Science Microcomputer Review, https://doi.org/10.1177/089443938600400428]

14. Camarena, O., & Fusi, A. (2021). Always connected: Technostress and work-life balance in the digital age. Journal of Business Research. https://doi.org/10.1142/9789811270178_0007

15. Çınar, S., & Kenek, B. (2025). The role of digital competence in university students' technostress. International Journal of Technology in Education, 8(2). https://doi.org/10.30935/cedtech/15245

16. Chipunza, C., & Adewumi, S. A. (2026). Does gender matter? Techno-complexity, techno-uncertainty, and organisational technostress. International Journal of Social Psychology, 6(2). https://doi.org/10.66434/ijspsy.v6i2.490

17. Datta, P., Balasundaram, N., & Nair, P. K. (2024). Location autonomy as a moderator of technostress and subjective flourishing. Pertanika Journal of Social Sciences & Humanities. https://doi.org/10.14742/ajet.5329

18. Daňková, R., & Mašková, K. (2025). Technostress among university students: Risk groups and protective factors. Journal of Pedagogical Research. https://doi.org/10.47577/tssj.v44i1.8939

19. Fettahoglu, B., & Yikilmaz, M. (2025). The mediating role of techno-eustress between technostress and organisational resilience. International Journal of Academic Research in Progressive Education and Development, 14(3). https://doi.org/10.6007/ijarped/v14-i3/25863

20. Gan, C., & Li, H. (2024). Technostress in online education: A systematic review. Technology in Society, 79. https://doi.org/10.1016/j.techsoc.2025.102844

21. Harunavamwe, I., & Kanengoni, H. (2023). Technology self-efficacy and mindfulness as coping strategies for technostress in hybrid work environments. Frontiers in Psychology. https://doi.org/10.47525/ulasbid.1740607

22. Harunavamwe, I., Ward, T., & Marange, C. (2025). Technostress, work engagement and workplace flourishing: The moderating role of perceived organisational support. African Journal of Research in Mathematics, Science and Technology Education, 29(2). https://doi.org/10.14254/1795-6889.2022.18-3.3

23. Hofstede's Cultural Dimensions and Technostress: A Proposed Framework. (2024). Asian Journal of Research in Education and Social Sciences, 6(3). https://doi.org/10.55057/ajress.2024.6.3.10

24. Joy A de, S. (2024). Technostress among university students in the new normal: Implications for digital well-being. Problems and Perspectives in Management, 22(1). https://doi.org/10.21511/ppm.22(2).2024.48

25. Kulikowski, M., Przytuła, K., & Sułkowski, Ł. (2022). Technostress among university students during COVID-19 remote learning. Sustainability, 14(2). https://doi.org/10.1108/he-06-2025-0101

26. LeRoy, D., Kaufmann, L., & Lane, M. (2023). The impact of technostress on university students during COVID-19. Technology in Society, 74. https://doi.org/10.1016/j.techsoc.2023.102428

27. Li, J., Seah, W. T., & Yuen, M. (2025). Digital resources, technostress and burnout in digital environments. International Journal of Educational Technology in Higher Education. https://doi.org/10.1016/j.compedu.2025.105540

28. Marrinhas, J., Santos, G., & Salvado, J. (2023). Burnout and technostress in Portuguese higher education during COVID-19. PASAA, 65(1). https://doi.org/10.58837/chula.pasaa.65.1.8

29. Mougha, W., Nordin, S. M., & Salleh, R. (2023). Techno-complexity and techno-uncertainty on academic performance. Business and Management Studies, 14(2). https://doi.org/10.5296/bms.v14i2.21555

30. Mubarak, N. (2025). The fourth-level digital divide: Technostress as a new dimension of digital inequality. International Journal of E-Adoption, 17(1). https://doi.org/10.1007/978-981-97-9270-2_16

31. Muslimin, M. (2024). Technostress among English language teachers in low HDI regions. Philology and Education. https://doi.org/10.1007/978-3-031-09928-1_8

32. Muslimin, M., Mukminatien, N., & Ivone, F. D. (2023). TPACK, SAMR, and technostress among teachers. Journal of Education and Learning, 17(3). https://doi.org/10.15344/2394-4978/2015/110

33. Mushtaque, A., et al. (2022). Impact of online learning during COVID-19 on technostress. Computers in Human Behavior, 143. https://doi.org/10.1016/j.chb.2023.107675

34. Nascimento, S., Correia, A., & Califf, C. (2024). The bright side of technostress: Digital well-being in higher education. Journal of Research on Technology in Education. https://doi.org/10.1080/10494820.2023.2214815

35. Özbay, S. (2026). AI literacy, attitudes toward AI, and technostress: An empirical investigation. Frontiers in Education, 10. https://doi.org/10.3389/feduc.2023.1144220

36. Palayoor, S., & Mavoothu, P. (2025). Technostress among faculty: A person-environment fit perspective. International Journal of Cognitive and Brain Sciences. https://doi.org/10.33543/j.1502.1618

37. Parts, E. (2023). From technostress to digital well-being: A conceptual framework. In Proceedings of the International Conference on Well-being and Technology. IntechOpen. https://doi.org/10.5772/intechopen.1002691

38. Penado Abilleira, M., Rodicio-García, M., & Ríos-de-Deus, P. (2020). Development of the technostress in Spanish university students scale (TSUSS). Psicothema, 34(2). https://doi.org/10.7334/psicothema2022.198

39. Ragu-Nathan, T. S., Tarafdar, M., Ragu-Nathan, B. S., & Tu, Q. (2008). The consequences of technostress for end users in organizations: Conceptual development and empirical validation. Information Systems Research, 19(4). https://doi.org/10.1287/isre.1070.0165

40. Ragu-Nathan, B. S., Tarafdar, M., & Ragu-Nathan, T. S. (2008). Technostress Creators and Inhibitors Scale [PsycTESTS Dataset]. https://doi.org/10.1037/t90831-000

41. Rane, N. (2023). Role of ChatGPT and similar generative AI in education. SSRN. https://doi.org/10.2139/ssrn.4598258

42. Rosen, L. D., & Weil, M. M. (1995). Computer anxiety: A cross-cultural comparison of university students in ten countries. Computers in Human Behavior, 11(1). https://doi.org/10.1007/978-1-4684-5122-1_4

43. Schettino, G., & Capone, V. (2024). The Italian Technostress Scale for university students: Development and validation. Frontiers in Psychology, 15. https://doi.org/10.3389/fpsyg.2025.1503442

44. Sheikh, M. A., & Zahur, H. (2024). Technostress and academic procrastination among university students. Journal of Higher Education Theory and Practice, 22(10). https://doi.org/10.33423/jhetp.v22i10.5383

45. Stankevičiūtė, Ž. (2022). Technostress creators and work-life balance in the digital era. Organizacija, 55(3). https://doi.org/10.1080/23311908.2025.2561437

46. Srinivasan, P. (2020). Are we overwhelmed with this information? Information Processing & Management, 57(6). https://doi.org/10.1016/j.ipm.2020.102307

47. Tams, S., & Turel, O. (2026). Techno-distress and techno-eustress: A dual-dimension approach to technostress. Information & Management. https://doi.org/10.1037/t06129-000

48. Tarafdar, M., Tu, Q., & Ragu-Nathan, B. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1). https://doi.org/10.2753/mis0742-1222240109

49. Tarafdar, M., Tu, Q., & Ragu-Nathan, B. S. (2007). Technostress Measure [PsycTESTS Dataset]. https://doi.org/10.1037/t9999-98312-000

50. Tarafdar, M., Qiang, T., & Tu, Q. (2011). The dark side of information technology use. Information Systems Journal, 21(2). https://doi.org/10.1111/isj.12042

51. Tarafdar, M., Tu, Q., & Ragu-Nathan, T. S. (2010). Technostress Questionnaire [PsycTESTS Dataset]. https://doi.org/10.1037/t53850-000

52. Truța, C. M., Maican, C. I., & Cazan, A. M. (2023). Always connected: Technostress creators among university faculty. Heliyon, 9(7). https://doi.org/10.16986/hunefd.1774522

53. Verde-Avalos, F., Turpo-Chaparro, J. E., & Palomino-Ccasa, J. (2025). Validation of a technostress scale for Peruvian university students. Propósitos y Representaciones, 13(2). https://doi.org/10.23961/pnr.v13i2.387

54. Wang, Y., & Li, J. (2019). Technostress among university faculty: A multidimensional person-environment fit perspective. Computers & Education, 138. https://doi.org/10.1016/j.compedu.2019.105540

55. Wang, Y., Tan, X., & Li, J. (2020). Technostress among university students: A person-environment fit analysis. Frontiers in Psychology, 11. https://doi.org/10.3389/fpsyg.2020.582317

56. Yadav, M., & Rahaman, H. (2024). Myths and fears about technostress in higher education: A critical analysis. Cogent Education, 11(1). https://doi.org/10.1080/2331186x.2022.2102118

57. Yusof, N. (2025). Model journal of self-care and mental well-being intervention strategies for technostress. International Journal of Caring Sciences, 18(3). https://doi.org/10.64420/ijcp.v2i3.387

58. Zhong, L., & Rosli, M. (2025). Multidimensional analysis of technostress origins, impacts, and mitigation strategies for teachers. Education and Information Technologies. https://doi.org/10.1016/j.compedu.2025.105540

59. Zhou, J., Jin, X., & Hu, Z. (2026). Cyberslacking as behavioral dependency: A technostress perspective. Journal of Computing in Higher Education. https://doi.org/10.54536/ajet.v2i3.1803