បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាថាតើវិសមភាពនៃបច្ចេកវិទ្យាឌីជីថល ឬគម្លាតឌីជីថលកម្រិតបីប៉ះពាល់ដល់ការលើកទឹកចិត្ត និងការចូលរួមរបស់កសិករចិនក្នុងសកម្មភាពកសិកម្មកម្រិតណា។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យពីគម្រោងសិក្សាគ្រួសារចិនឆ្នាំ២០២២ (CFPS 2022) ចំនួន ៣០៨០ សំណាក ដោយអនុវត្តគំរូ OLS និងការធ្វើតេស្តអថេរមេឌីអាទ័រ ដើម្បីវិភាគទិន្នន័យ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Ordinary Least Squares (OLS) Regression គំរូតំរែតំរង់ OLS (Ordinary Least Squares) |
ងាយស្រួលក្នុងការវិភាគទិន្នន័យមូលដ្ឋាន និងអាចរួមបញ្ចូលអថេរត្រួតពិនិត្យ (Control variables) ជាច្រើនដូចជា អាយុ យេនឌ័រ និងចំណូល។ | ងាយរងគ្រោះដោយសារបញ្ហា Endogeneity (ភាពមិនច្បាស់លាស់នៃទំនាក់ទំនងបុព្វហេតុ) និងអថេរដែលត្រូវបានមើលរំលង។ | បង្ហាញថាគម្លាតនៃការប្រើប្រាស់មានឥទ្ធិពលអវិជ្ជមានខ្លាំងជាងគេ (β = -14458.2) ទៅលើការលើកទឹកចិត្តរបស់កសិករ។ |
| Instrumental Variable (IV) Approach វិធីសាស្ត្រអថេរឧបករណ៍ (Instrumental Variable Approach) |
ជួយដោះស្រាយបញ្ហា Endogeneity និងបញ្ជាក់ពីទំនាក់ទំនងបុព្វហេតុ (Causality) បានកាន់តែរឹងមាំនិងច្បាស់លាស់។ | ការស្វែងរកអថេរឧបករណ៍ដែលសមស្របនិងត្រឹមត្រូវ (Valid instrument) គឺមានការលំបាកខ្លាំងនៅក្នុងការអនុវត្តជាក់ស្តែង។ | បញ្ជាក់ពីភាពរឹងមាំនៃលទ្ធផល ដោយគម្លាតនៃការប្រើប្រាស់នៅតែមានឥទ្ធិពលអវិជ្ជមានខ្លាំង (β = -18935.8)។ |
| Mediation Effect Model (Stepwise Regression) គំរូវិភាគឥទ្ធិពលសម្របសម្រួលដោយប្រើតំរែតំរង់ជាជំហាន (Stepwise Regression) |
ជួយពន្យល់យ៉ាងលម្អិតពីយន្តការ (Mechanisms) ថាតើហេតុអ្វីបានជាគម្លាតឌីជីថលធ្វើឱ្យកាត់បន្ថយការលើកទឹកចិត្តកសិកម្ម។ | ទាមទារទិន្នន័យលម្អិតអំពីកត្តាចិត្តសាស្ត្រ និងអាកប្បកិរិយា ដែលងាយនឹងមានកំហុសក្នុងការវាស់វែង។ | រកឃើញថាចំណូលចិត្តហានិភ័យ ការយល់ឃើញពីចំណាត់ថ្នាក់សង្គម និងឆន្ទៈក្នុងការស្វែងរកព័ត៌មាន គឺជាកត្តាសម្របសម្រួលយ៉ាងសំខាន់។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារសំណុំទិន្នន័យស្ទង់មតិទ្រង់ទ្រាយធំ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសចិន ដោយប្រើប្រាស់ទិន្នន័យស្ទង់មតិ CFPS ឆ្នាំ២០២២ ដែលផ្តោតលើគ្រួសារកសិករនៅតំបន់ជនបទ ប៉ុន្តែបានដកចេញតំបន់មួយចំនួនដូចជា ស៊ីនជាំង ទីបេ និងម៉ុងហ្គោលីក្នុង។ បរិបទនៃការអភិវឌ្ឍហេដ្ឋារចនាសម្ព័ន្ធអ៊ីនធឺណិតនៅប្រទេសចិន (អត្រាប្រើប្រាស់ ៧៨%) មានភាពជឿនលឿនជាងប្រទេសកម្ពុជា ដូច្នេះកម្រិតនៃគម្លាតនៃការចូលប្រើប្រាស់ (Access divide) អាចនឹងមានសភាពធ្ងន់ធ្ងរជាងនេះនៅក្នុងតំបន់ជនបទដាច់ស្រយាលនៃប្រទេសកម្ពុជា។
វិធីសាស្ត្រនិងក្របខ័ណ្ឌស្រាវជ្រាវនេះមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ក្នុងការរៀបចំគោលនយោបាយកសិកម្មឌីជីថល (Digital Agriculture)។
ការស្វែងយល់ពីឥទ្ធិពលនៃគម្លាតឌីជីថលលើការលើកទឹកចិត្តរបស់កសិករ គឺជាគន្លឹះដ៏សំខាន់សម្រាប់ប្រទេសកម្ពុជាក្នុងការធានាថា កសិករនៅតំបន់ជនបទមិនត្រូវបានទុកចោលក្នុងយុគសម័យសេដ្ឋកិច្ចឌីជីថលឡើយ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Digital Access Divide (គម្លាតនៃការចូលប្រើប្រាស់ឌីជីថល) | វាជាទម្រង់មូលដ្ឋានបំផុតនៃគម្លាតឌីជីថល ដែលសំដៅលើវិសមភាពនៃការមាន ឬគ្មានឧបករណ៍បច្ចេកវិទ្យា (ដូចជាទូរស័ព្ទឆ្លាតវៃ កុំព្យូទ័រ) និងការភ្ជាប់បណ្តាញអ៊ីនធឺណិតរវាងមនុស្ស ឬតំបន់ផ្សេងៗគ្នា។ | ដូចជាការដែលអ្នកភូមិខ្លះមានផ្លូវកៅស៊ូស្អាតសម្រាប់ធ្វើដំណើរ ឯអ្នកភូមិខ្លះទៀតគ្មានសូម្បីតែផ្លូវលំ។ |
| Digital Usage Divide (គម្លាតនៃការប្រើប្រាស់ឌីជីថល) | វាគឺជាគម្លាតកម្រិតទីពីរ ដែលកើតឡើងនៅពេលដែលមនុស្សមានឧបករណ៍និងអ៊ីនធឺណិតប្រើប្រាស់ដូចគ្នា ប៉ុន្តែមានកម្រិតជំនាញ និងភាពញឹកញាប់ក្នុងការទាញយកព័ត៌មានមានប្រយោជន៍ខុសៗគ្នា។ | ដូចជាមនុស្សពីរនាក់មានកង់ដូចគ្នា តែម្នាក់ចេះជិះយ៉ាងស្ទាត់ជំនាញដើម្បីប្រកបរបរ ឯម្នាក់ទៀតមិនសូវចេះជិះ ឬជិះត្រឹមតែកម្សាន្ត។ |
| Digital Outcome Divide (គម្លាតនៃលទ្ធផលឌីជីថល) | វាជាគម្លាតកម្រិតទីបី ដែលសំដៅលើភាពខុសគ្នានៃផលប្រយោជន៍ជាក់ស្តែង (សេដ្ឋកិច្ច ចំណេះដឹង ឬឱកាស) ដែលបុគ្គលម្នាក់ៗទទួលបានពីការប្រើប្រាស់អ៊ីនធឺណិត ដោយអ្នកខ្លះចំណេញ ឯអ្នកខ្លះទៀតអាចរងផលប៉ះពាល់អវិជ្ជមាន។ | ដូចជាមនុស្សពីរនាក់អានសៀវភៅតែមួយ តែម្នាក់យកចំណេះដឹងនោះទៅបង្កើតមុខរបរជោគជ័យ ឯម្នាក់ទៀតអានចប់ក៏ទុកចោលមិនបានផលអ្វីសោះ។ |
| Endogeneity (ភាពមិនច្បាស់លាស់នៃទំនាក់ទំនងបុព្វហេតុ) | ជាបញ្ហាមួយនៅក្នុងការវិភាគស្ថិតិសេដ្ឋកិច្ច ដែលកើតឡើងនៅពេលអថេរដែលយើងកំពុងសិក្សាមានទំនាក់ទំនងបញ្ច្រាសគ្នាទៅវិញទៅមក ឬមានកត្តាកំបាំងទីបីនៅពីក្រោយ ដែលធ្វើឱ្យយើងមិនអាចសន្និដ្ឋានច្បាស់ថា A ធ្វើឱ្យកើត B ឬ B ធ្វើឱ្យកើត A នោះទេ។ | ដូចជាការឃើញមនុស្សកាន់ឆ័ត្រច្រើននៅពេលភ្លៀងធ្លាក់ ហើយយើងច្រឡំសន្និដ្ឋានថា "ការកាន់ឆ័ត្រគឺជាបុព្វហេតុធ្វើឱ្យភ្លៀងធ្លាក់"។ |
| Instrumental Variable (អថេរឧបករណ៍) | គឺជាបច្ចេកទេស ឬអថេរកណ្តាលដែលក្រុមអ្នកស្រាវជ្រាវប្រើដើម្បីដោះស្រាយបញ្ហា Endogeneity ដោយអថេរនេះមានឥទ្ធិពលលើបុព្វហេតុ (X) ប៉ុន្តែមិនមានឥទ្ធិពលផ្ទាល់ទៅលើលទ្ធផល (Y) នោះទេ។ | ដូចជាការវាស់ប្រវែងស្រមោលដើម្បីគណនាកម្ពស់ដើមឈើ ដោយសារយើងមិនអាចឡើងទៅវាស់ដើមឈើដោយផ្ទាល់បាន។ |
| Mediation Effect (ឥទ្ធិពលសម្របសម្រួល) | ជាការវិភាគដើម្បីស្វែងយល់ពី "យន្តការ" ឬខ្សែសង្វាក់នៃហេតុការណ៍ ដែលពន្យល់ថាតើអថេរដើមមួយ ជះឥទ្ធិពលដល់លទ្ធផលចុងក្រោយតាមរយៈកត្តាអន្តរការី (កត្តាកណ្តាល) ណាមួយ។ | ដូចជារបៀបដែលភ្លៀង (A) ធ្វើឱ្យរុក្ខជាតិលូតលាស់ (C) គឺមិនមែនភ្លាមៗទេ តែគឺតាមរយៈការពន្លិចដីឱ្យសើម (B) ដែលភាពសើមនៃដីគឺជាអ្នកសម្របសម្រួល។ |
| Ordinary Least Squares (OLS) (វិធីសាស្ត្រការ៉េអប្បបរមាធម្មតា) | វិធីសាស្ត្រគណិតវិទ្យា និងស្ថិតិដ៏ពេញនិយមមួយ ប្រើសម្រាប់គូសបន្ទាត់ប៉ាន់ស្មានដែលស័ក្តិសមបំផុតកាត់តាមចំណុចទិន្នន័យជាច្រើន ដើម្បីទស្សន៍ទាយ ឬស្វែងយល់ពីទំនាក់ទំនងរវាងអថេរពីរ ឬច្រើន។ | ដូចជាការយកបន្ទាត់ត្រង់មួយទៅដាក់នៅចំកណ្តាលហ្វូងចំណុចរាយប៉ាយជាច្រើន ដើម្បីបង្ហាញពីទិសដៅរួមនៃចំណុចទាំងអស់នោះ។ |
| Heterogeneity Analysis (ការវិភាគភាពខុសគ្នា) | ការបំបែកទិន្នន័យរួមទៅជាក្រុមតូចៗ (ដូចជាតាមអាយុ ភេទ ឬតំបន់) ដើម្បីពិនិត្យមើលថាតើឥទ្ធិពលនៃគោលនយោបាយ ឬបញ្ហាណាមួយ មានភាពខុសប្លែកគ្នាឬយ៉ាងណាចំពោះក្រុមនីមួយៗ។ | ដូចជាការធ្វើតេស្តប្រសិទ្ធភាពថ្នាំថ្មីមួយ ហើយញែកលទ្ធផលមើលដាច់ដោយឡែកពីគ្នា ថាតើវាមានប្រសិទ្ធភាពលើមនុស្សចាស់ និងកូនក្មេងខុសគ្នាឬអត់ ជាជាងការមើលតែលទ្ធផលបូកបញ្ចូលគ្នា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
