Skip to main content

Thẻ: định kiến

Gen Z, smartphone và những định kiến thế hệ

Tự cao, thờ ơ, thu mình vào điện thoại là những định kiến về gen Z. Thật ra, có một chân dung khác về thế hệ này.

Gen Z lớn lên cùng sự phát triển của công nghệ.

“Digital natives” – những cư dân bản địa kỹ thuật số – là thuật ngữ xuất hiện lần đầu trong bài nghiên cứu của nhà tư vấn giáo dục Marc Prensky, dùng để chỉ những người sinh ra và lớn lên trong thế hệ kỹ thuật số. Họ sử dụng máy tính và các thiết bị sớm, do đó làm chủ công nghệ hơn thế hệ khác.

Thuật ngữ này một lần nữa được cây bút Alex Williams của New York Times nhắc lại khi miêu tả về gen Z: “Sinh ra trong thời đại smartphone, gen Z là những người bản địa kỹ thuật số (digital natives) thực thụ”. Họ là những người trẻ thành thạo công nghệ, thích khẳng định cái tôi và mang đến thị trường lao động những hình thái công việc mới.

Được xác định là những người trẻ sinh từ năm 1996, thế hệ Z lớn lên cùng smartphone, Internet, thung lũng Silicon và những phát triển vượt bậc trong cách con người tiêu dùng, giao tiếp, trao đổi thông tin.

Điều này góp phần khiến gen Z sớm biết cách thể hiện tiếng nói cá nhân hay quan điểm, góc nhìn. Cũng chính đặc tính này, gen Z thường chịu định kiến “quá tự tin” từ thế hệ trước, theo báo cáo của McKinsey công bố năm 2018.

“Thờ ơ” và “dành quá nhiều thời gian cho smartphone” cũng là những định kiến mà gen Z đối mặt, theo Dazed và The Guardian. Thế hệ Y (những người sinh năm 1981-1995) cũng cho rằng người trẻ gen Z mất khả năng giao tiếp trực tiếp do quen với việc tương tác qua điện thoại.

Ngược lại, nhiều nghiên cứu đã “thanh minh” cho thế hệ trẻ. “Người trẻ không nghiện smartphone. Họ dùng chúng để lên tiếng, làm việc, và mở rộng thế giới quan”, theo bà MaryLeigh Bliss, Giám đốc phát triển nội dung của Ypulse, công ty nghiên cứu và tư vấn về gen Z và gen Y.

Cách gen Z dành thời gian cho smartphone cũng giống như cách thế hệ Y dành cả thanh xuân cho Harry Porter, máy nghe nhạc Walkman, hay trò rắn săn mồi.

Cũng theo nghiên cứu của Ypulse, gen Z ý thức được việc giới hạn thời gian sử dụng smartphone để tập trung cho công việc. “Nhiều bạn trẻ tham gia cuộc nghiên cứu cho biết họ xoá những ứng dụng tiêu tốn quỹ thời gian của mình.

Chúng tôi gọi đây là hành động “rút phích cắm”. Ngày càng nhiều bạn trẻ “rút phích cắm” những ứng dụng không thực sự hữu ích để chú tâm cho mục tiêu cuộc sống”, bà Bliss chia sẻ.

Trả lời nhận định cho rằng gen Z “quá tự tin” và “thờ ơ với cuộc sống”, Giáo sư Pat Bullen của Đại học Auckland (New Zealand) cho rằng: “Thế hệ trẻ đang thực sự quan tâm đến một thế giới với tương lai tốt đẹp hơn.

Chúng ta chứng kiến những nhà hoạt động môi trường chưa tốt nghiệp trung học, những nhà hoạt động nhân quyền chưa tốt nghiệp đại học và nhiều bạn trẻ khắp thế giới đang nói tiếng nói của thế hệ mình”.

Greta Thunberg, nhà hoạt động môi trường người Thụy Điển, là một ví dụ về cách người trẻ lên tiếng. Với ngôn từ đanh thép, biểu cảm dứt khoát, cô bé Greta, một nữ sinh lớp 9, từng gióng hồi chuông cảnh tỉnh về vấn đề nóng lên toàn cầu tại Hội nghị về khí hậu của Liên hợp quốc năm 2019. Cô bé hiện vẫn theo đuổi hoạt động vì môi trường và tham gia COP26 với tư cách khách mời trong đối thoại bên lề hội nghị vào tháng 11 vừa qua.

Greta Thunberg (giữa) trong phiên thảo luận bên lề tại COP26. Ảnh: Craig Gibson, The New York Times.

“Thế hệ Z ngày càng có khả năng đưa ra quyết định, vạch ra hướng đi cho mình trong tương lai, và lên kế hoạch để hiện thực hóa mục tiêu”, giáo sư Bullen chia sẻ.

Vượt qua những định kiến về thế hệ mình, cùng smartphone, thiết bị công nghệ, và cá tính đặc thù, gen Z có cách riêng để thể hiện cái tôi và kiến tạo thế giới theo cách chưa từng có.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Hà Anh | Theo Zing

3 cách đơn giản để loại bỏ tính “thiên vị dữ liệu” trong doanh nghiệp

Trong thế giới công nghệ như hiện tại, dữ liệu (data) là tương lai, tuy nhiên cách nhìn nhận và đánh giá đúng vai trò của từng tập dữ liệu lại là một thách thức lớn.

thiên vị dữ liệu
Getty Images

AI (trí tuệ nhận tạo) và công nghê máy học (machine learning) đang dần trở nên là khái niệm đồng nghĩa với sự thành công của doanh nghiệp. Ở khắp mọi nơi trên toàn cầu, các doanh nghiệp đang tận dụng dữ liệu để đạt được những sự tăng trưởng mới.

Tuy nhiên, bên cạnh những lợi ích vốn có của nó, cách phân tích dữ liệu trong kinh doanh vẫn còn tồn tại nhiều vấn đề lớn. Một trong số đó là sự thiên vị về dữ liệu hay đánh giá sai lệch về vai trò của các tập dữ liệu khác nhau (data bias).

Sự thiên vị hay sai lệch về dữ liệu xảy ra khi doanh nghiệp sử dụng các dữ liệu không mang tính đại diện cho người dùng cuối (end-user), không xuất phát từ các nghiên cứu cụ thể hoặc không liên quan đến các quyết định cụ thể.

Nói cách khác, dữ liệu về cơ bản cũng chỉ là dữ liệu, và nó có thể bị thay đổi cách hiểu qua cơ cấu và hệ thống quản lý của doanh nghiệp.

Dưới đây là một số cách để bạn có thể đảm bảo rằng bạn đang sử dụng đúng dữ liệu và hạn chế tối đa sự thiên vị hay sai lệch dữ liệu.

1. Tập hợp một đội ngũ gồm những thành viên phù hợp.

Một trong những vấn đề lớn nhất đối với các dữ liệu bị sai lệnh là bạn không thể tin tưởng hoàn toàn vào một phần mềm có thể phát hiện ra những sai lệnh của chính nó. Mà nó còn phụ thuộc vào yếu tố con người.

Đó là lý do tại sao bước cơ bản đầu tiên không nằm ở yếu tố công cụ hay công nghệ mà là ở những thành viên trong đội ngũ. Bạn hãy bắt đầu bằng cách tìm ra những cá nhân mà bạn tin tưởng là họ có thể mang lại các dữ liệu chính xác, tự chịu trách nhiệm cho việc phân tích dữ liệu của chính họ.

Mọi thứ không chỉ dừng lại ở đây, các thành viên phù hợp cũng phải có khả năng giải thích dữ liệu và phát hiện ra các sai sót của dữ liệu.

Dữ liệu nên đi từ những người lập kế hoạch đến những người sẵn sàng tìm kiếm và giải quyết những thiếu sót giữa doanh nghiệp với khách hàng.

Quá trình phân tích dữ liệu toàn diện này đảm bảo các trách nhiệm giải trình khi cần thiết và giữ cho mức độ sai lệch về dữ liệu là thấp nhất.

2. Xác định các phạm vi thường có khả năng sai lệch về dữ liệu.

Bước tiếp theo trong việc hoàn thiện hoá quá trình phân tích dữ liệu của bạn là tìm kiếm các phạm vi hay khu vực thường xảy ra sai lệch nhất.

Việc thu thập, xử lý và phân tích dữ liệu là một công việc hết sức phức tạp. Nó liên quan đến nhiều hoạt động khác nhau trong phòng ban và tổ chức, và bất kỳ hoạt động nào trong số đó đều có thể có những sai lệch tiềm ẩn về dữ liệu (cố ý hoặc vô ý).

Dưới đây là một số phạm vi có thể xảy ra sự thiên vị hay sai lệch trong doanh nghiệp:

  • Sai lệch khi lấy mẫu (sampling), khi một doanh nghiệp thu thập dữ liệu theo phong cách thiên vị hay sai lệch.
  • Sai lệch loại trừ, khi một doanh nghiệp loại bỏ hoặc sử dụng sai một số tập dữ liệu.
  • Sai lệch đo lường, trong đó một doanh nghiệp tổ chức hoặc quản lý kém các dữ liệu được thu thập. (rất thường hay xảy ra trong marketing).
  • Sai lệch quan sát, khi người thử nghiệm hay quan sát có thể tạo ra sự mâu thuẫn thông qua hành động ghi lại dữ liệu (recording data).
  • Sai lệch kỳ vọng, khi kết quả mong muốn của người thu thập làm ảnh hưởng đến kết quả thực tế qua phân tích dữ liệu.
  • Sai lệch về xu hướng, khi một doanh nghiệp chú trọng quá mức hoặc chú ý quá mức đến một xu hướng cụ thể nào đó trong dữ liệu.

Ngoài những phạm vi ở trên, tuỳ thuộc vào từng ngành hàng và bối cảnh kinh doanh khác nhau bạn có thể có những phạm vi sai lệch hay sự thiên vị khác về dữ liệu – tuy nhiên, điều quan trọng là bạn phải xem xét từng yếu tố có thể tác động tiêu cực đến dữ liệu của bạn như thế nào.

3. “Làm sạch” dữ liệu.

Có rất nhiều cách có thể khiến dữ liệu của bạn bị sai lệch. Tuy nhiên, trong không ít trường hợp, một tập dữ liệu vô tình bị sai lệch.

Trong bối cảnh doanh nghiệp có vô số dữ liệu cần thu thập hàng ngày, thậm chí là hàng giờ, điều này càng có thể dễ dàng xảy ra hơn.

Khi dữ liệu nhiều lên và có vô số dữ liệu không được sử dụng hoặc ngay cả khi được sử dụng, nếu một dữ liệu nào đó không được coi trọng, nó có thể khiến doanh nghiệp lúng túng trước các số liệu thống kê, từ đó họ không thể đưa ra các quyết định đúng đắn.

Bài toán đặt ra cho doanh nghiệp là cần làm sạch phương pháp thu thập dữ liệu, loại bỏ các dữ liệu dư thừa hoặc không cần thiết để từ đó có thể giảm nguy cơ sai lệch đồng thời đảm bảo rằng hệ thống chỉ thu thập những dữ liệu cần thiết và chính xác.

Dữ liệu là tương lai. Tuy nhiên, việc thu thập đúng dữ liệu, phân tích và rút ra được kết luận từ dữ liệu là một thách thức lớn.

Điều quan trọng là các doanh nghiệp cần phải nỗ lực nhiều hơn nữa để đảm bảo rằng các công nghệ AI hay máy học của họ không hoạt động dựa trên các mẫu dữ liệu quá nhỏ hoặc tiềm ẩn những sự thiên vị về dữ liệu.

Đội ngũ trong hệ thống phải được đào tạo để có khả năng phát hiện ra các mâu thuẫn trong dữ liệu nhanh nhất có thể.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Nam Nguyen