CHÚC MỪNG SINH VIÊN KHOA HỆ THỐNG THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN TẠI HỘI NGHỊ KHOA HỌC QUỐC TẾ ELG 2026
ELG 2026 (International Conference on Economics, Law and Government 2026) là hội nghị khoa học quốc tế do College of Economics, Law and Government (CELG) thuộc Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) tổ chức. Hội nghị dự kiến diễn ra vào ngày 28 – 29/07/2026 tại Thành phố Hồ Chí Minh, Việt Nam.
ELG là diễn đàn học thuật quốc tế nhằm thúc đẩy các nghiên cứu liên ngành trong lĩnh vực kinh tế, luật và quản trị công, đặc biệt tập trung vào các vấn đề chuyển đổi số, chuyển đổi xanh và chuyển đổi năng lượng. Hội nghị quy tụ các nhà nghiên cứu, nhà hoạch định chính sách và chuyên gia từ nhiều quốc gia trên thế giới, đồng thời có sự tham gia của các học giả đến từ các trường đại học và tổ chức nghiên cứu hàng đầu.
Thông tin chi tiết về hội nghị có thể tham khảo tại: https://elg.ueh.edu.vn/
Tên bài báo: “Governing AI-Assisted Consumer Decisions in Vietnam’s Digital Marketplace: From Transparency to Calibrated Confidence”
Sinh viên thực hiện:
- Nguyễn Nam Bình (MSSV: 24520198) – Lớp TMĐT2024.1 – Tác giả chính
- Nguyễn Thị Phương Thảo – Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) – Đồng tác giả
Giảng viên hướng dẫn: TS. Liêu Nguyễn Ngọc Quế – Giảng viên Bộ môn TMĐT, Khoa HTTT
Abstract: Generative artificial intelligence (AI) assistants are increasingly used by consumers to compare products, interpret reviews, evaluate prices, and justify purchase decisions. This paper examines AI-assisted consumer decision-making as a governance problem in Vietnam’s digital marketplace. Drawing on research on explainable AI, trust in automation, recommendation agents, algorithmic advice, and consumer protection, the study develops and tests a model in which perceived algorithmic transparency shapes judgment confidence through decision dependence. It also examines whether self-reported prompting training functions as an exploratory boundary condition for the transparency-dependence and dependence-confidence pathways. Survey data from 300 Vietnamese consumers who had used generative AI for product search or purchase-related decision support were analyzed using PLS-SEM and supplementary robustness checks. The results show that perceived algorithmic transparency strongly increases decision dependence, which in turn strongly increases judgment confidence. The indirect effect through decision dependence is substantially stronger than the direct effect, suggesting that transparency governs consumer confidence primarily by shaping reliance behavior. Self-reported prompting training does not significantly moderate the dependence-confidence relationship, indicating that basic prompting exposure is insufficient as a consumer-protection mechanism. The paper contributes to AI governance and consumer behavior research by introducing calibrated confidence as a welfare-oriented lens for evaluating AI-assisted consumption. It argues that policy should not seek to maximize trust or confidence in AI, but to design transparency, verification friction, platform accountability, and AI-literacy interventions that help consumers remain appropriately confident when using AI advice.
