បញ្ហា (The Problem)៖ កំណើនប្រជាជនពិភពលោកដែលត្រូវបានព្យាករថានឹងកើនដល់ ៩.៧ ពាន់លាននាក់នៅឆ្នាំ ២០៥០ ទាមទារឱ្យមានការបង្កើនផលិតភាពកសិកម្មយ៉ាងខ្លាំង ប៉ុន្តែវិធីសាស្ត្រកសិកម្មបែបប្រពៃណីមិនអាចឆ្លើយតបនឹងតម្រូវការនេះប្រកបដោយចីរភាព និងប្រសិទ្ធភាពឡើយ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រវិភាគគន្ថនិទ្ទេស (Bibliographic analysis) និងការពិនិត្យមើលករណីសិក្សាជាក់ស្តែងពីប្រទេសនានា ដើម្បីស្វែងយល់ពីសក្តានុពល និងការអនុវត្តបច្ចេកវិទ្យាទិន្នន័យធំក្នុងវិស័យកសិកម្ម។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Precision Agriculture (Big Data driven) កសិកម្មសុក្រឹតដែលប្រើប្រាស់ទិន្នន័យធំ |
អនុញ្ញាតឱ្យមានការសម្រេចចិត្តច្បាស់លាស់លើការប្រើប្រាស់ធនធាន (ទឹក ជី ថ្នាំសម្លាប់សត្វល្អិត) និងអាចព្យាករណ៍ពីហានិភ័យបានមុន។ | ទាមទារឱ្យមានចំណេះដឹងផ្នែកទិន្នន័យ (Data Literacy) ខ្ពស់ពីសំណាក់កសិករ និងការវិនិយោគលើហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យា។ | អាចកាត់បន្ថយថ្លៃដើមធាតុចូល ១៥-២០% និងបង្កើនទិន្នផលដំណាំបាន ១០-១៥% (យោងតាមការសិក្សារបស់ McKinsey)។ |
| Smart Irrigation Systems ប្រព័ន្ធស្រោចស្រពឆ្លាតវៃ (ករណីសិក្សានៅអ៊ីស្រាអែល និងប្រេស៊ីល) |
ផ្តល់ទឹកដល់ដំណាំចំគោលដៅនិងពេលវេលាត្រឹមត្រូវ ដោយផ្អែកលើទិន្នន័យសំណើមដីជាក់ស្តែង។ | ត្រូវការការដំឡើងឧបករណ៍ចាប់សញ្ញា (Sensors) និងប្រព័ន្ធតភ្ជាប់អ៊ីនធឺណិតដែលមានស្ថេរភាព។ | កាត់បន្ថយការប្រើប្រាស់ទឹកបានរហូតដល់ ៣០% ខណៈពេលដែលរក្សា ឬបង្កើនទិន្នផល។ |
| Traditional Farming កសិកម្មតាមបែបប្រពៃណី |
មានភាពងាយស្រួលក្នុងការអនុវត្ត និងមិនទាមទារបច្ចេកវិទ្យាខ្ពស់ ឬការវិនិយោគលើឧបករណ៍ឌីជីថល។ | ប្រើប្រាស់ធនធានមិនចំគោលដៅ (ខ្ជះខ្ជាយ) និងមានភាពធន់ទាបចំពោះការប្រែប្រួលអាកាសធាតុ។ | មិនអាចឆ្លើយតបប្រកបដោយនិរន្តរភាពចំពោះតម្រូវការស្បៀងសម្រាប់ប្រជាជន ៩.៧ ពាន់លាននាក់នៅឆ្នាំ ២០៥០ បានឡើយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តទាមទារការវិនិយោគដំបូងលើឧបករណ៍បច្ចេកវិទ្យា និងប្រព័ន្ធទិន្នន័យ ប៉ុន្តែផ្តល់ផលចំណេញរយៈពេលវែងតាមរយៈការកាត់បន្ថយថ្លៃដើម។
ការសិក្សានេះផ្អែកលើករណីជោគជ័យពីប្រទេសដែលមានបច្ចេកវិទ្យាកសិកម្មជឿនលឿនដូចជា ចិន អ៊ីស្រាអែល ហូឡង់ និងរុស្ស៊ី។ នេះអាចបង្កើតភាពលំអៀងដោយសារបរិបទកសិកម្មនៅកម្ពុជាភាគច្រើនជាកសិករខ្នាតតូច (Smallholder farmers) ដែលមានធនធាន និងកម្រិតបច្ចេកវិទ្យានៅមានកម្រិតនៅឡើយ។
ទោះបីជាមានបញ្ហាប្រឈមខ្លះ ប៉ុន្តែគោលការណ៍នៃកសិកម្មសុក្រឹតមានសារៈសំខាន់ខ្លាំងសម្រាប់ទំនើបកម្មកសិកម្មនៅកម្ពុជា។
ដើម្បីឱ្យមានប្រសិទ្ធភាពនៅកម្ពុជា ត្រូវការការគាំទ្រពីរដ្ឋាភិបាលក្នុងការបង្កើតថ្នាលទិន្នន័យជាតិ និងការបណ្តុះបណ្តាលកសិករឱ្យចេះប្រើប្រាស់ទូរស័ព្ទដៃស្មាតហ្វូនសម្រាប់ទទួលព័ត៌មានកសិកម្ម។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Precision agriculture | ការគ្រប់គ្រងកសិកម្មដែលប្រើប្រាស់បច្ចេកវិទ្យាព័ត៌មាន ដើម្បីពិនិត្យ និងឆ្លើយតបទៅនឹងតម្រូវការជាក់លាក់របស់ដំណាំនៅទីតាំងនីមួយៗ (ដូចជាការដាក់ជី ឬទឹកក្នុងបរិមាណខុសគ្នាទៅតាមស្ថានភាពដី) ជាជាងការអនុវត្តស្មើៗគ្នាពេញមួយវាល។ | ដូចជាគ្រូពេទ្យដែលផ្តល់ថ្នាំដល់អ្នកជំងឺតាមរោគសញ្ញាជាក់លាក់របស់បុគ្គលម្នាក់ៗ មិនមែនឱ្យថ្នាំប្រភេទដូចគ្នាដល់មនុស្សគ្រប់គ្នានោះទេ។ |
| Big data analytics | ដំណើរការនៃការប្រមូល និងវិភាគទិន្នន័យដែលមានបរិមាណដ៏ច្រើនសន្ធឹកសន្ធាប់ និងស្មុគស្មាញ (ដូចជាទិន្នន័យអាកាសធាតុ ដី និងទីផ្សារពីប្រភពផ្សេងៗ) ដើម្បីស្វែងរកគំរូដែលលាក់កំបាំង និងជួយក្នុងការសម្រេចចិត្ត។ | ដូចជាការអានសៀវភៅរាប់ពាន់ក្បាលក្នុងមួយវិនាទី ដើម្បីស្វែងរកចម្លើយដ៏ល្អបំផុត និងលឿនបំផុតសម្រាប់សំណួរមួយ។ |
| Predictive modeling | ការប្រើប្រាស់ទិន្នន័យពីអតីតកាល និងបច្ចេកទេសស្ថិតិ ដើម្បីទស្សន៍ទាយលទ្ធផលដែលអាចកើតឡើងនៅពេលអនាគត ដូចជាការប៉ាន់ស្មានបរិមាណទិន្នផល ឬការវាយលុកនៃសត្វល្អិតចង្រៃមុនពេលវាកើតឡើង។ | ដូចជាការមើលពពកខ្មៅ និងទិសខ្យល់ ដើម្បីដឹងថាភ្លៀងនឹងធ្លាក់នៅពេលខាងមុខ មុនពេលវាធ្លាក់មកជាក់ស្តែង។ |
| Remote sensing | បច្ចេកទេសនៃការប្រមូលព័ត៌មានអំពីសុខភាពដំណាំ ឬគុណភាពដីពីចម្ងាយ (ដោយប្រើផ្កាយរណប ឬយន្តហោះដ្រូន) ដោយមិនចាំបាច់ចុះទៅប៉ះផ្ទាល់ ដែលអនុញ្ញាតឱ្យមើលឃើញបញ្ហានៅលើផ្ទៃដីធំទូលាយ។ | ដូចជាការថតរូបព្រៃឈើពីលើភ្នំ ដើម្បីមើលថាកន្លែងណាមានដើមឈើងាប់ ដោយមិនចាំបាច់ដើរទៅពិនិត្យគ្រប់ដើម។ |
| Site-specific crop management | យុទ្ធសាស្ត្រនៃការគ្រប់គ្រងដំណាំដោយផ្អែកលើលក្ខខណ្ឌជាក់ស្តែងនៃផ្នែកតូចៗនីមួយៗក្នុងវាលស្រែតែមួយ (Spatial variation) ដើម្បីធានាថាធនធានត្រូវបានប្រើប្រាស់ចំគោលដៅបំផុត។ | ដូចជាការស្រោចទឹកតែលើរុក្ខជាតិដែលស្ងួតនៅក្នុងសួនច្បារ មិនមែនស្រោចលើរុក្ខជាតិដែលសើមស្រាប់នោះទេ។ |
| Internet of Things (IoT) | បណ្តាញនៃឧបករណ៍រូបវន្ត (ដូចជាឧបករណ៍ចាប់សញ្ញាសំណើមដី ឬកាមេរ៉ា) ដែលតភ្ជាប់គ្នាតាមប្រព័ន្ធអ៊ីនធឺណិត ដើម្បីប្រមូល និងបញ្ជូនទិន្នន័យទៅកាន់ប្រព័ន្ធគ្រប់គ្រងដោយស្វ័យប្រវត្តិ។ | ដូចជាប្រព័ន្ធសរសៃប្រសាទក្នុងរាងកាយ ដែលផ្ញើរសញ្ញាពីដៃទៅខួរក្បាលភ្លាមៗនៅពេលប៉ះរបស់ក្តៅ ដើម្បីឱ្យរាងកាយដកដៃចេញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
