Original Title: Key Determinants Shaping Farmers' Satisfaction with Site‑Specific Fertilizer Recommendations (SSFR) in Ethiopia
Source: doi.org/10.36956/rwae.v6i2.1275
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កត្តាកំណត់សំខាន់ៗដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់កសិករចំពោះការណែនាំអំពីការប្រើប្រាស់ជីតាមទីតាំងជាក់ស្តែង (SSFR) នៅក្នុងប្រទេសអេត្យូពី

ចំណងជើងដើម៖ Key Determinants Shaping Farmers' Satisfaction with Site‑Specific Fertilizer Recommendations (SSFR) in Ethiopia

អ្នកនិពន្ធ៖ Zenebe Adimassu, Tewodros Mesfin, Degefie Tibebe, Amsalu Tilaye, Mohammed Ebrahim, Wuletawu Abera, Lulseged Tamene

ឆ្នាំបោះពុម្ព៖ 2025 Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃកម្រិតនៃការពេញចិត្តរបស់កសិករ និងកំណត់កត្តាសំខាន់ៗដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់ពួកគេចំពោះការណែនាំអំពីការប្រើប្រាស់ជីតាមទីតាំងជាក់ស្តែង (Site-Specific Fertilizer Recommendations - SSFR) នៅក្នុងប្រទេសអេត្យូពី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រមូលទិន្នន័យពីគ្រួសារកសិករចំនួន ២០២ តាមរយៈការជ្រើសរើសគំរូដោយចៃដន្យជាស្រទាប់ និងវិភាគទិន្នន័យដោយប្រើប្រាស់វិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Ordered Probit Model
គំរូប្រូប៊ីតតាមលំដាប់ (ប្រើសម្រាប់វិភាគទិន្នន័យប្រភេទមានលំដាប់ថ្នាក់)
ស័ក្តិសមបំផុតសម្រាប់ការវិភាគទិន្នន័យស្ទង់មតិដែលវាស់វែងកម្រិតនៃការពេញចិត្ត (ឧ. ពីមិនពេញចិត្តសោះ ដល់ពេញចិត្តខ្លាំង) ដោយមិនសន្មតថាគម្លាតរវាងកម្រិតនីមួយៗស្មើគ្នា។ ការបកស្រាយលទ្ធផល (Marginal effects) មានភាពស្មុគស្មាញជាងទម្រង់តំរែតំរង់លីនេអ៊ែរទូទៅ និងទាមទារទំហំគំរូទិន្នន័យធំ។ ផ្តល់នូវភាពសុក្រឹតខ្ពស់ជាងគំរូ Null Model ចំនួន ១៨,២% (McFadden R-squared) ក្នុងការទស្សន៍ទាយកត្តាដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់កសិករ។
Principal Component Analysis (PCA)
ការវិភាគសមាសភាគចម្បង (បង្រួមអថេរច្រើនទៅជាក្រុម)
ជួយកាត់បន្ថយភាពស្មុគស្មាញនៃទិន្នន័យដោយបង្រួមអថេរជាច្រើនទៅជាកត្តាតិចតួច និងដោះស្រាយបញ្ហាទំនាក់ទំនងត្រួតគ្នា (Multicollinearity) នៃអថេរ។ អាចធ្វើឱ្យបាត់បង់អត្ថន័យដើមខ្លះៗនៃអថេរនីមួយៗ ដោយសារពួកវាត្រូវបានច្របាច់បញ្ចូលគ្នាជាកត្តារួម (Latent variables)។ បានបង្រួមអថេរឯករាជ្យចំនួន ២០ ទៅជាសមាសភាគធំៗចំនួន ៧ ដែលអាចពន្យល់ពីបំរែបំរួលទិន្នន័យសរុបបានរហូតដល់ ៦៩%។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានសម្រាប់ការចុះប្រមូលទិន្នន័យនៅមូលដ្ឋានផ្ទាល់ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគស្ថិតិស្មុគស្មាញ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតលើគ្រួសារកសិករដាំស្រូវសាលីតែ ២០២ គ្រួសារប៉ុណ្ណោះ នៅក្នុងស្រុកចំនួន ១០ នៃប្រទេសអេត្យូពី ដែលមានលក្ខខណ្ឌអាកាសធាតុ និងប្រភេទដីជាក់លាក់។ សម្រាប់ប្រទេសកម្ពុជា របកគំហើញនេះអាចមានភាពលម្អៀង ដោយសារកម្ពុជាពឹងផ្អែកលើដំណាំស្រូវ (Oryza sativa) និងដំឡូងមី ជាចម្បង ព្រមទាំងមានប្រព័ន្ធក្សេត្របរិស្ថាន (Agro-ecology) ខុសគ្នាស្រឡះពីទ្វីបអាហ្វ្រិក។ ទោះយ៉ាងណា អាកប្បកិរិយារបស់កសិករខ្នាតតូចក្នុងការទទួលយកបច្ចេកវិទ្យាថ្មី គឺមានភាពស្រដៀងគ្នា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាធ្វើឡើងនៅបរិបទខុសគ្នាក៏ដោយ វិធីសាស្ត្រវាយតម្លៃការពេញចិត្តនិងទស្សនាទាននៃការផ្តល់ប្រឹក្សាប្រើប្រាស់ជីតាមទីតាំងជាក់លាក់ (SSFR) មានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់វិស័យកសិកម្មកម្ពុជាក្នុងការផ្លាស់ប្តូរពីការដាក់ជីតាមទម្លាប់ធម្មតា។

ការរួមបញ្ចូលប្រព័ន្ធណែនាំតាមទីតាំងជាក់ស្តែង (SSFR) ជាមួយនឹងការផ្សព្វផ្សាយតាមឌីជីថល (SMS/Telegram) នឹងក្លាយជាកាតាលីករដ៏សំខាន់ក្នុងការធ្វើទំនើបកម្មកសិកម្មខ្នាតតូចនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃគំរូស្ថិតិ: ចាប់ផ្តើមរៀនពីវិធីសាស្ត្រវាយតម្លៃ Likert Scale និងការប្រើប្រាស់ Principal Component Analysis (PCA) និង Ordered Probit Model តាមរយៈការអនុវត្តផ្ទាល់លើកម្មវិធី StataR Studio ដោយប្រើប្រាស់ទិន្នន័យគំរូសេដ្ឋកិច្ចកសិកម្មបរិបទកម្ពុជា។
  2. រៀបចំឧបករណ៍ប្រមូលទិន្នន័យឌីជីថល: ប្រើប្រាស់ KoboToolboxODK (Open Data Kit) ដើម្បីបង្កើតកម្រងសំណួរស្ទង់មតិទាក់ទងនឹងកម្រិតពេញចិត្តរបស់កសិករទៅលើការណែនាំកសិកម្មផ្សេងៗ (ដូចជាការប្រើប្រាស់ជី ឬពូជថ្មី) និងសាកល្បងប្រមូលទិន្នន័យពីសហគមន៍កសិកម្មនៅជិតលោកអ្នក។
  3. សិក្សាពីការណែនាំជីតាមតំបន់គោលដៅ: សហការជាមួយមន្ទីរកសិកម្មខេត្ត ឬវិទ្យាស្ថាន CARDI ដើម្បីចងក្រងទិន្នន័យប្រភេទទម្រង់ដី និងការណែនាំការប្រើប្រាស់ជីតាមទីតាំងជាក់លាក់ (SSFR) សម្រាប់ដំណាំស្រូវ រួចយកទៅសាកល្បងផ្សព្វផ្សាយក្នុងក្រុមសហគមន៍កសិករតូចៗ (Cluster-based approach)។
  4. អនុវត្តការវិភាគ និងវាយតម្លៃកត្តាជះឥទ្ធិពល: យកទិន្នន័យដែលប្រមូលបានមកតម្រឹម និងរត់ម៉ូដែល Ordered Probit ដើម្បីស្វែងរកកត្តាកំណត់ (Determinants) ដូចជា ទំហំដី កម្រិតយល់ដឹង និងលទ្ធភាពទិញជី ថាតើវាមានឥទ្ធិពលវិជ្ជមាន ឬអវិជ្ជមានលើកម្រិតនៃការទទួលយកបច្ចេកទេសរបស់កសិករកម្ពុជា។
  5. អភិវឌ្ឍប្រព័ន្ធផ្សព្វផ្សាយកសិកម្មឌីជីថល: ផ្អែកលើលទ្ធផលនៃការសិក្សា សូមរចនាគម្រោងសាកល្បងមួយដោយប្រើប្រាស់ SMS, Telegram Bots, ឬកម្មវិធីទូរស័ព្ទ (ឧ. Tonlesap App) ដើម្បីបញ្ជូនសារប្រឹក្សាអំពីកសិកម្ម និងការព្យាករណ៍អាកាសធាតុដល់កសិករ ដើម្បីតាមដានការកើនឡើងនៃផលិតភាព។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Site-Specific Fertilizer Recommendations / SSFR (ការណែនាំពីការប្រើប្រាស់ជីតាមទីតាំងជាក់ស្តែង) ការផ្តល់ប្រឹក្សាដល់កសិករអំពីប្រភេទ និងបរិមាណជីដែលត្រូវប្រើប្រាស់ដោយផ្អែកលើលក្ខខណ្ឌដី អាកាសធាតុ និងតម្រូវការដំណាំនៅទីតាំងស្រែចម្ការនីមួយៗផ្ទាល់ ជំនួសឱ្យការប្រើប្រាស់រូបមន្តជីរួមតែមួយសម្រាប់គ្រប់កន្លែង។ ដូចជាការកាត់ខោអាវតម្រូវតាមទំហំខ្លួនរបស់អ្នកពាក់ម្នាក់ៗ ជាជាងការទិញខោអាវទំហំរួម (Free Size) ដែលស្លៀកមិនសូវល្មមរូបរាង។
Ordered Probit Model (គំរូប្រូប៊ីតតាមលំដាប់) ជាវិធីសាស្ត្រស្ថិតិមួយប្រភេទដែលប្រើសម្រាប់វិភាគទិន្នន័យដែលមានលំដាប់ថ្នាក់ (ឧទាហរណ៍៖ មិនពេញចិត្តសោះ, ពេញចិត្តមធ្យម, ពេញចិត្ត, ពេញចិត្តខ្លាំង) ដើម្បីស្វែងយល់ និងគណនាពីទម្ងន់នៃកត្តាដែលជះឥទ្ធិពលដល់ការជ្រើសរើសចម្លើយទាំងនោះ។ ដូចជាការទស្សន៍ទាយថាហេតុអ្វីបានជាអតិថិជនឲ្យផ្កាយ ៣ ផ្កាយ ៤ ឬ ផ្កាយ ៥ លើសេវាកម្មមួយ ដោយផ្អែកលើអាយុ ការអប់រំ ឬប្រាក់ចំណូលរបស់ពួកគេ។
Principal Component Analysis / PCA (ការវិភាគសមាសភាគចម្បង) បច្ចេកទេសបង្រួមទិន្នន័យក្នុងគណិតវិទ្យា និងស្ថិតិ ដែលចងក្រងអថេរជាច្រើនដែលមានទំនាក់ទំនងគ្នា ទៅជាក្រុមតូចៗ (ហៅថាសមាសភាគ) ដើម្បីងាយស្រួលយល់ និងយកទៅវិភាគបន្ត ដោយមិនធ្វើឱ្យបាត់បង់ព័ត៌មានសំខាន់ៗនៃទិន្នន័យដើមឡើយ។ ដូចជាការចងក្រងមុខវិជ្ជាជាច្រើន (រូបវិទ្យា គីមីវិទ្យា ជីវវិទ្យា) បញ្ចូលគ្នាហៅថាមុខវិជ្ជា "វិទ្យាសាស្ត្រពិត" តែមួយ ដើម្បីងាយស្រួលវាយតម្លៃសមត្ថភាពសិស្ស។
Blanket Fertilizer Recommendations (ការណែនាំប្រើប្រាស់ជីបែបកាត់ស្មាន ឬរូបមន្តរួម) ការណែនាំឱ្យកសិករប្រើប្រាស់ជីក្នុងបរិមាណ និងប្រភេទដូចៗគ្នាសម្រាប់តំបន់ភូមិសាស្ត្រដ៏ធំមួយ ដោយមិនបានពិចារណាលើភាពខុសគ្នានៃកម្រិតជីវជាតិដី ឬតម្រូវការជាក់លាក់នៃដំណាំតាមកសិដ្ឋាននីមួយៗឡើយ ដែលច្រើនតែធ្វើឱ្យខ្ជះខ្ជាយជី។ ដូចជាគ្រូពេទ្យចេញវេជ្ជបញ្ជាថ្នាំផ្តាសាយតែមួយមុខសម្រាប់អ្នកជំងឺទាំងអស់ ដោយមិនខ្វល់ថាអ្នកខ្លះក្តៅខ្លួន ឬអ្នកខ្លះឈឺកនោះទេ។
Tropical Livestock Unit / TLU (ឯកតាសត្វពាហនៈតំបន់ត្រូពិច) រង្វាស់ស្តង់ដារមួយដែលប្រើសម្រាប់បំប្លែង និងបូកបញ្ចូលសត្វចិញ្ចឹមផ្សេងៗគ្នា (ដូចជា គោ ក្របី ចៀម ពពែ សេះ) ទៅជាឯកតារួមមួយ ដោយផ្អែកលើទម្ងន់ខ្លួនមធ្យមរបស់វា ដើម្បីងាយស្រួលគណនាទ្រព្យសម្បត្តិសត្វពាហនៈសរុបរបស់គ្រួសារកសិករ។ ដូចជាការប្តូរប្រាក់រៀល ដុល្លារ និងបាត ទៅជារូបិយប័ណ្ណរួមមួយ ដើម្បីងាយស្រួលគណនាថវិកាសរុបដែលអ្នកមានក្នុងហោប៉ៅ។
Multicollinearity (ទំនាក់ទំនងត្រួតគ្នានៃអថេរ) បាតុភូតនៅក្នុងម៉ូដែលស្ថិតិ ដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាយ៉ាងខ្លាំង ដែលធ្វើឱ្យម៉ូដែលគណនាខុស និងពិបាកបែងចែកថា តើអថេរមួយណាពិតជាអ្នកជះឥទ្ធិពលពិតប្រាកដលើលទ្ធផលចុងក្រោយ។ ដូចជាការពិបាកសន្និដ្ឋានថាអ្នកណាជាអ្នករុញរទេះឱ្យរត់លឿន ពេលដែលមានមនុស្សពីរនាក់កំពុងរុញរទេះនោះព្រមគ្នាក្នុងកម្លាំងស្មើគ្នា។
Precision Agriculture (កសិកម្មសុក្រឹត) ប្រព័ន្ធគ្រប់គ្រងកសិកម្មដោយប្រើប្រាស់បច្ចេកវិទ្យា ទិន្នន័យ (Data) និងប្រព័ន្ធ GPS ដើម្បីធានាថាដំណាំ និងដីទទួលបាននូវអ្វីដែលវាត្រូវការយ៉ាងពិតប្រាកដ (ទឹក ជី ថ្នាំសម្លាប់សត្វល្អិត) នៅពេលវេលា និងទីកន្លែងត្រឹមត្រូវ ដើម្បីបង្កើនទិន្នផល និងកាត់បន្ថយការខូចខាតបរិស្ថាន។ ដូចជាការបាញ់ស៊ីបដោយប្រើកែវយឺតជំនួយ ដើម្បីឲ្យចំគោលដៅច្បាស់លាស់ ជំនួសឲ្យការបាញ់រាយប៉ាយដោយបិទភ្នែក។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖