TTLV: Ứng dụng AI vào trải nghiệm cá nhân hoá trong du lịch Halal tại Việt Nam

THÔNG TIN VỀ LUẬN VĂN THẠC SĨ

1. Họ và tên học viên: Nguyễn Thị Thu Hà

2. Giới tính: Nữ

3. Ngày sinh: 12/09/1996

4. Nơi sinh: Hà Nội

5. Quyết định công nhận học viên số: 7353/QĐ - XHNV, ngày 31 tháng 12 năm 2024 của Hiệu trưởng Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Hà Nội.

6. Các thay đổi trong quá trình đào tạo: Không

7. Tên đề tài luận văn: Ứng dụng AI vào trải nghiệm cá nhân hoá trong du lịch Halal tại Việt Nam

8. Chuyên ngành: Du lịch,                                      Mã số: 8810101

9. Cán bộ hướng dẫn khoa học: PGS.TS Phạm Hồng Long, Khoa du lịch học, trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Hà Nội. TS Phạm Hương Trang

10. Tóm tắt các kết quả của luận văn:

Về mặt lý luận, luận văn đã hệ thống hoá các khái niệm nền tảng về trí tuệ nhân tạo (AI), trải nghiệm cá nhân hoá và du lịch Halal; thực hiện tổng quan tài liệu bằng phương pháp trắc lượng thư mục khoa học (bibliometric) kết hợp phân tích nội dung trên hai cơ sở dữ liệu Web of Science và Scopus, qua đó nhận diện khoảng trống nghiên cứu về sự thiếu vắng các công trình tích hợp đồng thời ba trụ cột AI – cá nhân hoá trải nghiệm – du lịch Halal, đặc biệt trong bối cảnh Việt Nam. Trên cơ sở đó, luận văn đã xây dựng mô hình nghiên cứu mở rộng từ Lý thuyết Thống nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT), bổ sung ba biến đặc thù phản ánh bối cảnh tôn giáo – công nghệ: Năng lực số về Halal (DHL), Niềm tin vào AI (TAI) và Cảm nhận cá nhân hoá (PP).

Về mặt thực nghiệm, luận văn khảo sát 211 du khách với 30 biến quan sát và phân tích dữ liệu bằng kỹ thuật PLS-SEM trên phần mềm SmartPLS 4. Mô hình đo lường đạt yêu cầu về độ tin cậy và giá trị: toàn bộ hệ số tải ngoài dao động 0,749–0,887; phương sai trích trung bình (AVE) từ 0,608 đến 0,759; độ tin cậy tổng hợp rho_c ≥ 0,823; giá trị phân biệt được bảo đảm theo tiêu chuẩn Fornell–Larcker; các hệ số VIF đều dưới ngưỡng 5. Mô hình cấu trúc giải thích 66,6% biến thiên của Ý định hành vi và 70,7% biến thiên của Hành vi sử dụng, với chỉ số SRMR = 0,071.

Kết quả kiểm định giả thuyết (bootstrap 5.000 mẫu) cho thấy 4 trong 9 giả thuyết được ủng hộ ở mức ý nghĩa 5%:

Cảm nhận cá nhân hoá tác động tích cực đến Ý định hành vi (β = 0,291; p = 0,006);

Kỳ vọng hiệu suất tác động tích cực đến Ý định hành vi (β = 0,282; p = 0,021);

Niềm tin vào AI tác động tích cực đến Hành vi sử dụng (β = 0,260; p < 0,001);

Ý định hành vi tác động mạnh đến Hành vi sử dụng (β = 0,564; f² = 0,505; p < 0,001).

Năm giả thuyết còn lại không được ủng hộ ở mức ý nghĩa thống kê, gồm tác động của Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Năng lực số về Halal và Niềm tin vào AI đến Ý định hành vi, cùng tác động của Điều kiện thuận lợi đến Hành vi sử dụng.

Kết quả phân tích trung gian khẳng định Ý định hành vi giữ vai trò trung gian có ý nghĩa đối với hai đường dẫn: Kỳ vọng hiệu suất → Ý định → Hành vi (β = 0,159; p = 0,033) và Cảm nhận cá nhân hoá → Ý định → Hành vi (β = 0,164; p = 0,014).

Phát hiện nổi bật nhất của luận văn là vai trò phân tách của niềm tin: Niềm tin vào AI không có tác động có ý nghĩa đến ý định nhưng lại tác động mạnh đến hành vi sử dụng thực tế. Kết quả này gợi mở sự khác biệt giữa động cơ hình thành ý định và điều kiện hiện thực hoá hành vi. Đáng lưu ý, Niềm tin vào AI có giá trị trung bình thấp nhất trong các biến nghiên cứu (3,713), trong đó chỉ báo về bảo mật dữ liệu (TAI3) chỉ đạt 3,498 – thấp nhất toàn bộ thang đo.

11. Khả năng ứng dụng trong thực tiễn:

Đối với doanh nghiệp lữ hành và khách sạn: ưu tiên đầu tư vào năng lực cá nhân hoá theo chuẩn mực Shariah (bộ lọc nhà hàng – lưu trú đạt chuẩn Halal, gợi ý hành trình tối ưu theo giờ cầu nguyện, cảnh báo dịch vụ phù hợp); minh bạch hoá cách vận hành của thuật toán và công khai chính sách bảo mật dữ liệu nhằm củng cố niềm tin – đòn bẩy then chốt để rút ngắn khoảng cách giữa ý định và hành vi sử dụng thực tế; nhấn mạnh các lợi ích cụ thể, đo lường được của AI trong hoạt động truyền thông; đồng thời khai thác ảnh hưởng của cộng đồng thông qua influencer du lịch Halal và đánh giá từ người dùng cùng đức tin.

Đối với nhà hoạch định chính sách: hoàn thiện hệ sinh thái và hạ tầng Halal số, chuẩn hoá dữ liệu Halal và xây dựng hệ thống chứng nhận Halal quốc gia đáng tin cậy làm nền tảng dữ liệu đầu vào cho các hệ thống AI; ban hành khung pháp lý về bảo vệ dữ liệu cá nhân và AI có đạo đức, đặc biệt đối với thông tin nhạy cảm về tôn giáo; định vị Việt Nam là điểm đến Halal thân thiện và thông minh, gắn xúc tiến du lịch Halal với chuyển đổi số và đào tạo nhân lực, hướng tới các thị trường nguồn trọng điểm (GCC, Đông Nam Á) với tầm nhìn đến năm 2035.

Đối với hoạt động nghiên cứu và đào tạo: bộ thang đo gồm 30 biến quan sát đã được kiểm định có thể được kế thừa, hiệu chỉnh và sử dụng lại trong các nghiên cứu, khảo sát thị trường hoặc hoạt động đánh giá trải nghiệm du khách Hồi giáo tại các doanh nghiệp và cơ sở đào tạo du lịch.

12. Những hướng nghiên cứu tiếp theo:

Mở rộng quy mô và cải thiện phương pháp chọn mẫu: sử dụng mẫu lớn hơn, đa dạng về quốc tịch và mức độ tuân thủ tôn giáo, áp dụng phương pháp chọn mẫu xác suất nhằm tăng tính đại diện và khả năng khái quát hoá kết quả.

Bổ sung biến điều tiết và phát triển mô hình phức tạp hơn: xem xét vai trò điều tiết của mức độ tuân thủ tôn giáo (religiosity), độ tuổi, giới tính và kinh nghiệm du lịch; kiểm định tương tác giữa Niềm tin vào AI và Ý định hành vi đối với Hành vi sử dụng; áp dụng phân tích đa nhóm (MGA) và kiểm định các quan hệ phi tuyến.

Triển khai nghiên cứu theo chiều dọc (longitudinal) nhằm theo dõi sự biến đổi của ý định và hành vi theo thời gian, làm rõ khoảng cách ý định – hành vi và vai trò động của niềm tin.

Kết hợp phương pháp định tính chuyên sâu: phỏng vấn chuyên gia và thảo luận nhóm với du khách Hồi giáo nhằm bổ sung chiều sâu giải thích cho các phát hiện định lượng, đặc biệt về cơ chế hình thành niềm tin.

Nâng cao độ chặt chẽ về phương pháp: đánh giá năng lực dự báo ngoài mẫu (Q², PLSpredict), kiểm tra sai lệch do phương pháp chung (common method bias) và đo lường hành vi sử dụng bằng dữ liệu khách quan thay cho tự báo cáo.

13. Các công trình đã công bố có liên quan đến luận văn:

            1. Nguyễn Thị Thu Hà, Phạm Hồng Long (2026). Ứng dụng trí tuệ nhân tạo vào trải nghiệm cá nhân hóa du lịch Halal tại Việt Nam: Tiếp cận từ mô hình UTAUT mở rộng. Tạp chí Kinh tế Châu Á – Thái Bình Dương, tr. 117-123, ISSN 0868-3808.

INFORMATION ON MASTER’S THESIS

1. Full name: Nguyen Thi Thu Hà

2. Sex: Female

3. Date of birth: 12/09/1996

4. Place of birth: Ha Noi

5. Admission decision number: 7339/QĐ-XHNV, dated October 15, 2025, issued by the Rector of the University of Social Sciences and Humanities, Vietnam National University, Hanoi.

6. Changes in academic process: None

7. Official thesis title: 

8. Major: Tourism,                                                 Code: 8810101

9. Supervisors: Assoc. Prof. Dr. Pham Hong Long, Faculty of Tourism Studies, University of Social Sciences and Humanities, Vietnam National University, Hanoi. Dr. Pham Huong Trang, 

10. Summary of the findings:

Theoretically, the thesis systematises the core concepts of artificial intelligence (AI), personalised experience and Halal tourism. A literature review combining bibliometric analysis and content analysis of Web of Science and Scopus records identifies a clear research gap: the absence of studies that integrate the three pillars of AI, experience personalisation and Halal tourism simultaneously, particularly in the Vietnamese context. On this basis, the thesis develops a research model extended from the Unified Theory of Acceptance and Use of Technology (UTAUT), adding three context-specific constructs that capture the religious–technological setting: Digital Halal Literacy (DHL), Trust in AI (TAI) and Perceived Personalisation (PP).

Empirically, data were collected from 211 tourists across 30 observed variables and analysed using PLS-SEM in SmartPLS 4. The measurement model met all quality criteria: outer loadings ranged from 0.749 to 0.887; average variance extracted (AVE) ranged from 0.608 to 0.759; composite reliability (rho_c) was at least 0.823; discriminant validity was established under the Fornell–Larcker criterion; and all VIF values remained below the threshold of 5. The structural model explained 66.6% of the variance in Behavioural Intention and 70.7% of the variance in Use Behaviour, with SRMR = 0.071.

Hypothesis testing (bootstrapping with 5,000 subsamples) supported four of the nine hypotheses at the 5% significance level:

Perceived Personalisation positively affects Behavioural Intention (β = 0.291; p = 0.006);

Performance Expectancy positively affects Behavioural Intention (β = 0.282; p = 0.021);

Trust in AI positively affects Use Behaviour (β = 0.260; p < 0.001);

Behavioural Intention strongly predicts Use Behaviour (β = 0.564; f² = 0.505; p < 0.001).The remaining five hypotheses were not supported, namely the effects of Effort Expectancy, Social Influence, Digital Halal Literacy and Trust in AI on Behavioural Intention, and the effect of Facilitating Conditions on Use Behaviour.

Mediation analysis confirmed that Behavioural Intention plays a significant mediating role on two paths: Performance Expectancy → Intention → Behaviour (β = 0.159; p = 0.033) and Perceived Personalisation → Intention → Behaviour (β = 0.164; p = 0.014).

The most notable finding concerns the divergent role of trust: Trust in AI has no significant effect on intention, yet exerts a strong effect on actual use behaviour. This suggests a distinction between the drivers that form intention and the conditions that enable behaviour to materialise. Notably, Trust in AI recorded the lowest mean among all constructs (3.713), and its data-security indicator (TAI3) scored 3.498 – the lowest value across the entire measurement scale.

11. Practical applicability:

For tour operators and hotels: prioritise investment in Shariah-compliant personalisation capabilities (filters for Halal-certified restaurants and accommodation, itinerary suggestions optimised around prayer times, alerts on service suitability); make algorithmic operation transparent and publish clear data-protection policies to reinforce trust – the key lever for closing the gap between intention and actual use; emphasise concrete, measurable AI benefits in marketing communications; and leverage community influence through Halal travel influencers and peer reviews from fellow believers.

For policymakers: develop the digital Halal ecosystem and infrastructure, standardise Halal data and establish a credible national Halal certification system to serve as reliable input for AI systems; issue a legal framework on personal data protection and ethical AI, with particular attention to religiously sensitive information; and position Vietnam as a Muslim-friendly and smart Halal destination by aligning Halal tourism promotion with digital transformation and workforce training, targeting key source markets (GCC, Southeast Asia) with a vision towards 2035.

For research and training: the validated 30-item measurement instrument can be inherited, adapted and reused in subsequent studies, market surveys, or experience-assessment activities conducted by tourism enterprises and training institutions.

12. Further research directions:

Expand the sample and improve sampling design: employ larger samples with greater diversity in nationality and religiosity, and adopt probability sampling to enhance representativeness and generalisability.

Incorporate moderating variables and more complex models: examine the moderating roles of religiosity, age, gender and travel experience; test the interaction between Trust in AI and Behavioural Intention on Use Behaviour; and apply multi-group analysis (MGA) and non-linear relationship testing.

Conduct longitudinal research to track changes in intention and behaviour over time, clarifying the intention–behaviour gap and the dynamic role of trust.

Integrate in-depth qualitative methods: expert interviews and focus groups with Muslim travellers to add explanatory depth to the quantitative findings, especially regarding the formation mechanism of trust.

Strengthen methodological rigour: assess out-of-sample predictive power (Q², PLSpredict), test for common method bias, and measure use behaviour with objective data rather than self-reports.

13. Thesis-related publications:

1. Nguyen Thi Thu Ha, Pham Hong Long (2026). Application of artificial intelligence to personalized Halal tourism experiences in Vietnam: An approach based on the extended UTAUT model. Asia-Pacific Economic Review, pp. 117-123, ISSN 0868-3808.