បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីកម្រិតនៃការធ្វើពិពិធកម្មដំណាំ និងសន្តិសុខអាហារូបត្ថម្ភនៅកម្រិតស្រុកនៃរដ្ឋ Uttarakhand ដើម្បីស្វែងយល់ថាតើប្រព័ន្ធដាំដុះដែលពឹងផ្អែកខ្លាំងលើស្រូវ និងស្រូវសាលីបានប៉ះពាល់ដល់ភាពចម្រុះនៃអាហារូបត្ថម្ភកម្រិតណា។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel Data) ពីឆ្នាំ ១៩៩០ ដល់ ២០១៩ ដើម្បីគណនាសន្ទស្សន៍ពាក់ព័ន្ធ និងវិភាគរកកត្តាកំណត់ដោយប្រើប្រាស់ម៉ូដែលតំរែតំរង់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Simpson Index of Diversification (CDI & NDI) សន្ទស្សន៍ពិពិធកម្ម Simpson សម្រាប់វាយតម្លៃដំណាំ និងអាហារូបត្ថម្ភ |
ងាយស្រួលក្នុងការគណនា និងមានភាពច្បាស់លាស់ក្នុងការបកស្រាយពីកម្រិតនៃការធ្វើពិពិធកម្ម។ អាចអនុវត្តបានទាំងទិន្នន័យផ្ទៃដីដាំដុះ និងទិន្នន័យបរិមាណសារធាតុចិញ្ចឹម។ | ពឹងផ្អែកលើសមាមាត្រនៃផ្ទៃដី ឬសារធាតុចិញ្ចឹម ប៉ុន្តែមិនបានឆ្លុះបញ្ចាំងពីបរិមាណទិន្នផលសរុបពិតប្រាកដដែលផលិតបាននោះទេ។ | រកឃើញថាខេត្តជាតំបន់វាលទំនាបមាននិន្នាការធ្វើឯកទេសកម្មដំណាំ (Crop specialization) ចំណែកតំបន់ភ្នំមាននិន្នាការធ្វើពិពិធកម្មដំណាំ។ |
| S-Curve Fitting Model ម៉ូដែលតំរែតំរង់រាងអក្សរ S សម្រាប់វាស់ស្ទង់ទំនាក់ទំនងសូចនាករ |
ជាម៉ូដែលដែលស័ក្តិសមបំផុតក្នុងការបង្ហាញពីទំនាក់ទំនងមិនលីនេអ៊ែរ (Non-linear) រវាងពិពិធកម្មដំណាំ និងសន្តិសុខអាហារូបត្ថម្ភ។ | មានភាពស្មុគស្មាញក្នុងការបកស្រាយលទ្ធផលផ្ទាល់ បើប្រៀបធៀបទៅនឹងម៉ូដែលលីនេអ៊ែរធម្មតា។ | ផ្តល់នូវតម្លៃ R² ខ្ពស់ជាងគេ (0.086) ដោយបង្ហាញថាសន្តិសុខអាហារូបត្ថម្ភថយចុះបន្តិចនៅដំណាក់កាលដំបូង ប៉ុន្តែនឹងកើនឡើងវិញនៅពេលការធ្វើពិពិធកម្មដំណាំឈានដល់កម្រិតជាក់លាក់មួយ។ |
| Panel Data Regression (Fixed/Random Effects) ម៉ូដែលតំរែតំរង់ទិន្នន័យបន្ទះ (ឥទ្ធិពលថេរ និងឥទ្ធិពលចៃដន្យ) |
អាចគ្រប់គ្រងភាពខុសគ្នារវាងតំបន់នីមួយៗ (Heterogeneity) និងអនុញ្ញាតឱ្យប្រើប្រាស់ទិន្នន័យរយៈពេលយូរឆ្នាំប្រកបដោយប្រសិទ្ធភាព។ | ទាមទារទិន្នន័យដែលមានតុល្យភាព (Balanced panel data) ក្នុងរយៈពេលយូរ ដែលអាចជាបញ្ហាប្រឈមប្រសិនបើទិន្នន័យមានភាពខ្វះខាត។ | រកឃើញថាអាំងតង់ស៊ីតេនៃការដាំដុះមានទំនាក់ទំនងអវិជ្ជមានយ៉ាងមានអត្ថន័យផ្នែកស្ថិតិទៅលើទាំង NDI និង CDI។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារទិន្នន័យកសិកម្មប្រវត្តិសាស្ត្រក្នុងរយៈពេលវែង ក៏ដូចជាកម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងរដ្ឋ Uttarakhand ប្រទេសឥណ្ឌា ដោយប្រៀបធៀបរវាងស្រុកជាតំបន់វាលទំនាប និងតំបន់ភ្នំ ព្រមទាំងប្រើប្រាស់ទិន្នន័យកម្រិតស្រុកជាជាងកម្រិតគ្រួសារ។ សម្រាប់ប្រទេសកម្ពុជា នេះមានសារៈសំខាន់ណាស់ ពីព្រោះកម្ពុជាក៏មានភាពខុសគ្នានៃភូមិសាស្ត្រស្រដៀងគ្នានេះដែរ (វាលទំនាបកណ្តាល និងតំបន់ខ្ពង់រាប) ប៉ុន្តែការប្រើតែទិន្នន័យម៉ាក្រូអាចមើលរំលងវិសមភាពអាហារូបត្ថម្ភនៅក្នុងកម្រិតគ្រួសារតូចតាច។
វិធីសាស្រ្តវាយតម្លៃដោយប្រើសន្ទស្សន៍ Simpson និងការវិភាគទិន្នន័យបន្ទះនេះ មានភាពស័ក្តិសម និងមានប្រយោជន៍ខ្លាំងសម្រាប់ការរៀបចំគោលនយោបាយកសិកម្មនៅកម្ពុជា។
ការអនុវត្តការវាយតម្លៃតាមរយៈសន្ទស្សន៍ CDI និង NDI នឹងជួយឱ្យកម្ពុជាអាចធ្វើឱ្យមានតុល្យភាពរវាងកំណើនទិន្នផលកសិកម្ម និងការធានាបាននូវសន្តិសុខអាហារូបត្ថម្ភប្រកបដោយចីរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Simpson index of diversification (សន្ទស្សន៍ពិពិធកម្ម Simpson) | ជារូបមន្តគណិតវិទ្យាដែលត្រូវបានប្រើប្រាស់ដើម្បីវាស់ស្ទង់កម្រិតនៃភាពចម្រុះនៃដំណាំ ដោយផ្អែកលើសមាមាត្រនៃផ្ទៃដីដាំដុះដំណាំនីមួយៗធៀបនឹងផ្ទៃដីសរុប។ តម្លៃកាន់តែខិតជិត ១ បង្ហាញថាមានភាពចម្រុះកាន់តែច្រើន ចំណែកឯតម្លៃខិតជិត ០ បង្ហាញពីការធ្វើឯកទេសកម្ម (ដាំតែមួយមុខ)។ | ដូចជាការរាប់ថាតើក្នុងចានបាយមួយមានម្ហូបប៉ុន្មានមុខខុសៗគ្នា បើមានតែសាច់ជ្រូកមួយមុខគឺគ្មានភាពចម្រុះទេ តែបើមានសាច់ បន្លែ ស៊ុត គឺមានភាពចម្រុះខ្ពស់។ |
| Nutritional Diversification Index / NDI (សន្ទស្សន៍ពិពិធកម្មអាហារូបត្ថម្ភ) | ជាសន្ទស្សន៍វាស់ស្ទង់របាយនៃការទទួលបានសារធាតុចិញ្ចឹមចម្រុះ (ដូចជា ប្រូតេអ៊ីន ខ្លាញ់ កាបូអ៊ីដ្រាត រ៉ែ) ពីការផលិតដំណាំក្នុងតំបន់ណាមួយ។ ការសិក្សានេះបានបង្កើតវាឡើងដោយផ្អែកលើទម្រង់រូបមន្តរបស់ Simpson Index។ | ដូចជាពិន្ទុវាយតម្លៃរបបអាហារ ប្រសិនបើអ្នកហូបតែបាយស ពិន្ទុអាហារូបត្ថម្ភនឹងទាប តែបើអ្នកហូបទាំងបាយ សាច់ បន្លែ និងផ្លែឈើ ពិន្ទុនឹងខ្ពស់ ដែលបង្ហាញពីរាងកាយទទួលបានជីវជាតិគ្រប់គ្រាន់។ |
| Panel Data Regression (តំរែតំរង់ទិន្នន័យបន្ទះ) | ជាវិធីសាស្ត្រស្ថិតិដែលវិភាគលើសំណុំទិន្នន័យរួមបញ្ចូលគ្នា (មានទាំងទិន្នន័យមុខសញ្ញា និងទិន្នន័យពេលវេលា) ដូចជាការតាមដានទិន្នន័យកសិកម្មរបស់ស្រុកទាំង១៣ ក្នុងរយៈពេល២៩ឆ្នាំជាប់ៗគ្នា ដើម្បីស្វែងរកកត្តាកំណត់ផ្សេងៗ។ | ដូចជាការតាមដានថ្លឹងទម្ងន់សិស្ស១០នាក់ដដែលៗជារៀងរាល់ខែរាប់ឆ្នាំ ដើម្បីមើលថាតើការញ៉ាំអាហារប៉ះពាល់ដល់ការលូតលាស់របស់ពួកគេយ៉ាងដូចម្តេចខ្លះតាមពេលវេលា។ |
| Fixed Effects Model (ម៉ូដែលឥទ្ធិពលថេរ) | ជាទម្រង់មួយនៃម៉ូដែលទិន្នន័យបន្ទះ ដែលសន្មតថាលក្ខណៈពិសេសប្រចាំតំបន់នីមួយៗ (ដូចជាភូមិសាស្ត្រ ឬវប្បធម៌) គឺថេរមិនប្រែប្រួលតាមពេលវេលា ហើយវាត្រូវបានទូទាត់ចេញក្នុងកំឡុងពេលវិភាគ ដើម្បីស្វែងរកឥទ្ធិពលពិតប្រាកដនៃអថេរដែលយើងចង់សិក្សា។ | ដូចជាការសាកល្បងប្រសិទ្ធភាពថ្នាំសក់ដុះ ដោយគិតទូទាត់កត្តាពូជសក់ពីកំណើតរបស់មនុស្សម្នាក់ៗចេញសិន ដើម្បីឱ្យប្រាកដថាថ្នាំពិតជាមានប្រសិទ្ធភាពមែន មិនមែនដោយសារតែពូជសក់គេល្អស្រាប់នោះទេ។ |
| Cropping intensity (អាំងតង់ស៊ីតេនៃការដាំដុះ) | គឺជារង្វាស់ដែលបង្ហាញពីប្រភាគនៃការប្រើប្រាស់ផ្ទៃដីកសិកម្មដដែលសម្រាប់ការដាំដុះច្រើនដងក្នុងមួយឆ្នាំ (ដាំវិលជុំ) ដែលគណនាដោយយកផ្ទៃដីដាំដុះសរុបប្រចាំឆ្នាំ ចែកនឹងផ្ទៃដីដែលអាចដាំដុះបានពិតប្រាកដ។ | ដូចជាការប្រើប្រាស់បន្ទប់ប្រជុំមួយ ប្រសិនបើមួយថ្ងៃប្រើប្រជុំ៣ដង នោះអាំងតង់ស៊ីតេនៃការប្រើប្រាស់គឺខ្ពស់ជាងការប្រើត្រឹមតែ១ដងក្នុងមួយថ្ងៃ។ |
| Biofortification (ការធ្វើជីវចម្រុះ / ការពង្រឹងគុណភាពអាហារូបត្ថម្ភក្នុងដំណាំ) | ដំណើរការបង្កើនបរិមាណសារធាតុចិញ្ចឹមសំខាន់ៗ (ដូចជា វីតាមីន និងរ៉ែ) នៅក្នុងផ្នែកដែលអាចបរិភោគបាននៃដំណាំ តាមរយៈការបង្កាត់ពូជតាមបែបប្រពៃណី ការប្រើប្រាស់ជី ឬបច្ចេកវិទ្យាជីវសាស្ត្រ មុនពេលប្រមូលផល។ | ដូចជាការបញ្ចុកវីតាមីនទៅក្នុងរុក្ខជាតិផ្ទាល់តាំងពីវានៅដុះក្នុងដី ដើម្បីឱ្យពេលយើងបរិភោគទៅទទួលបានជីវជាតិខ្ពស់ដោយមិនបាច់លេបថ្នាំបំប៉នបន្ថែម។ |
| Hausman specification test (តេស្តបញ្ជាក់ម៉ូដែល Hausman) | វិធីសាស្ត្រធ្វើតេស្តក្នុងផ្នែកអេកូណូមេទ្រី ដើម្បីសម្រេចថាតើការប្រើប្រាស់ម៉ូដែល Fixed Effects ឬ Random Effects មួយណាមានភាពត្រឹមត្រូវ និងស័ក្តិសមជាងគេ សម្រាប់ការវិភាគលើសំណុំទិន្នន័យបន្ទះ (Panel Data) នោះ។ | ដូចជាការប្រើឧបករណ៍វាស់ស្ទង់មួយដើម្បីសម្រេចចិត្តថាតើគួរប្រើសោរលេខ១ ឬសោរលេខ២ ទើបអាចបើកទ្វារអាថ៌កំបាំងនៃទិន្នន័យបានត្រឹមត្រូវបំផុត។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
