Original Title: Dynamic Integration in Agent-Based Modeling: Strategies for Optimizing Land-Use Change Policies in Peri-Urban Areas through Interactive Simulation
Source: doi.org/10.36956/rwae.v7i1.2451
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការធ្វើសមាហរណកម្មបែបឌីណាមិកក្នុងគំរូផ្អែកលើភ្នាក់ងារ៖ យុទ្ធសាស្ត្រសម្រាប់ការធ្វើឱ្យប្រសើរឡើងនូវគោលនយោបាយផ្លាស់ប្តូរការប្រើប្រាស់ដីនៅក្នុងតំបន់ជាយក្រុងតាមរយៈការក្លែងធ្វើអន្តរកម្ម

ចំណងជើងដើម៖ Dynamic Integration in Agent-Based Modeling: Strategies for Optimizing Land-Use Change Policies in Peri-Urban Areas through Interactive Simulation

អ្នកនិពន្ធ៖ Muhammad Fauzi (Universitas Lambung Mangkurat), Yudi Ferrianta (Universitas Lambung Mangkurat), Muhammad Firdaus (Institut Teknologi dan Sains Mandala)

ឆ្នាំបោះពុម្ព៖ 2026, Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការផ្លាស់ប្តូរការប្រើប្រាស់ដីនៅតំបន់ជាយក្រុង (Peri-urban areas) បង្កជាបញ្ហាប្រឈមធ្ងន់ធ្ងរដល់សង្គម សេដ្ឋកិច្ច និងបរិស្ថាន ដែលតែងតែគំរាមកំហែងដល់ជីវភាពរស់នៅរបស់កសិករ និងស្ថិរភាពសហគមន៍។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើតគំរូក្លែងធ្វើផ្អែកលើភ្នាក់ងារ (Agent-Based Modeling) ដើម្បីវិភាគពីអន្តរកម្មរវាងភាគីពាក់ព័ន្ធសំខាន់ៗនៅក្នុងខេត្ត South Kalimantan ប្រទេសឥណ្ឌូណេស៊ី។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Agent-Based Modeling (ABM) via NetLogo
គំរូក្លែងធ្វើផ្អែកលើភ្នាក់ងារ (ABM) តាមរយៈកម្មវិធី NetLogo
អាចចាប់យកអន្តរកម្មដ៏ស្មុគស្មាញរវាងកសិករ អ្នកអភិវឌ្ឍន៍ និងរដ្ឋាភិបាល ព្រមទាំងមានភាពបត់បែនខ្ពស់ក្នុងការធ្វើតេស្តសេណារីយ៉ូគោលនយោបាយផ្សេងៗ។ ទាមទារការប្រមូលទិន្នន័យជាក់ស្តែងច្រើន និងចំណាយពេលយូរក្នុងការសរសេរកូដ (Programming) និងក្រិតតាមខ្នាតដើម្បីធានាភាពត្រឹមត្រូវនៃម៉ូដែល។ បង្ហាញថាការបង្កើនអន្តរាគមន៍ពីរដ្ឋាភិបាល ២០% និងការគាំទ្រពី NGO អាចកាត់បន្ថយការបំប្លែងដីខុសច្បាប់បាន ៣៥% និងកាត់បន្ថយទុក្ខលំបាករបស់កសិករ។
IDRISI SELVA Land Use Change Modeller
កម្មវិធីម៉ូដែលផ្លាស់ប្តូរការប្រើប្រាស់ដី IDRISI SELVA
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវិភាគទិន្នន័យភូមិសាស្ត្រ (GIS) និងព្យាករណ៍ពីការផ្លាស់ប្តូរផ្ទៃដីតាមលំហរូបវន្តដោយផ្អែកលើនិន្នាការពីអតីតកាល។ ខ្វះសមត្ថភាពក្នុងការវិភាគស៊ីជម្រៅពីអាកប្បកិរិយា និងការសម្រេចចិត្តរបស់តួអង្គនីមួយៗ (Agents) នៅក្នុងប្រព័ន្ធសេដ្ឋកិច្ចសង្គម។ ត្រូវបានប្រើប្រាស់នៅក្នុងការសិក្សានេះសម្រាប់ការផ្ទៀងផ្ទាត់ (Validation) ជាមួយលទ្ធផលនៃគំរូ ABM ដើម្បីធានាភាពជឿជាក់នៃការក្លែងធ្វើ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានសំខាន់ៗទាំងផ្នែកសូហ្វវែរក្លែងធ្វើ ទិន្នន័យអង្កេតជាក់ស្តែងក្នុងសហគមន៍ និងចំណេះដឹងផ្នែកម៉ូដែលគណិតវិទ្យា។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅខេត្ត South Kalimantan ប្រទេសឥណ្ឌូណេស៊ី ដោយផ្តោតលើតំបន់កសិកម្មដែលកំពុងរងសម្ពាធពីនគរូបនីយកម្ម និងផ្អែកលើទិន្នន័យពីអ្នកចូលរួមចំនួន ២២០នាក់។ បរិបទនេះមានភាពស្រដៀងគ្នាខ្លាំងមកនឹងប្រទេសកម្ពុជា ជាពិសេសតំបន់ជាយរាជធានីភ្នំពេញ ដែលកំពុងប្រឈមនឹងការបាត់បង់ដីកសិកម្ម និងជម្លោះដោយសារការពង្រីកគម្រោងអភិវឌ្ឍន៍អចលនទ្រព្យ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ ABM នេះមានសារៈប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពនៅក្នុងប្រទេសកម្ពុជា សម្រាប់ជួយដល់ការរៀបចំផែនការអភិវឌ្ឍន៍ និងគ្រប់គ្រងដីធ្លី។

ជារួម ការប្រើប្រាស់គំរូក្លែងធ្វើភ្នាក់ងារនេះ ផ្តល់នូវឧបករណ៍ព្យាករណ៍ដ៏មានឥទ្ធិពលមួយដែលអាចជួយរាជរដ្ឋាភិបាល និងភាគីពាក់ព័ន្ធនៅកម្ពុជារក្សាតុល្យភាពរវាងកំណើនសេដ្ឋកិច្ច និងនិរន្តរភាពសហគមន៍កសិកម្មមូលដ្ឋាន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីមូលដ្ឋានគ្រឹះនៃម៉ូដែលគណិតវិទ្យា: និស្សិតគួរចាប់ផ្តើមរៀនពីទ្រឹស្តី ABM និងអនុវត្តប្រើប្រាស់កម្មវិធី NetLogo ដើម្បីយល់ពីរបៀបកំណត់អាកប្បកិរិយារបស់តួអង្គ (Agents) ដូចជាកសិករ និងក្រុមហ៊ុនអភិវឌ្ឍន៍ តាមរយៈឯកសារ ODD+D protocol។
  2. ប្រមូលទិន្នន័យចម្រុះក្នុងសហគមន៍ (Data Collection): ចុះធ្វើការអង្កេតផ្ទាល់នៅតំបន់គោលដៅ (ឧទាហរណ៍ ស្រុកកណ្តាលស្ទឹង) ដើម្បីប្រមូលទិន្នន័យសេដ្ឋកិច្ចសង្គម រួមផ្សំជាមួយទិន្នន័យផែនទីពី QGIS សម្រាប់បង្កើតបរិស្ថានក្លែងធ្វើតាមលំហរូបវន្ត (Spatial Grid)។
  3. អភិវឌ្ឍ និងសរសេរកូដសម្រាប់គំរូក្លែងធ្វើ: ប្រើប្រាស់ NetLogo ដើម្បីសរសេរកូដភ្ជាប់ទំនាក់ទំនងរវាងភ្នាក់ងារ និងបញ្ចូលកត្តាខាងក្រៅ ដូចជាកម្រិតអន្តរាគមន៍ពីរដ្ឋាភិបាល ឬហានិភ័យបរិស្ថាន (ទឹកជំនន់/គ្រោះរាំងស្ងួត) ទៅក្នុងម៉ូដែលរបស់អ្នក។
  4. ធ្វើការផ្ទៀងផ្ទាត់ និងសាកល្បងសេណារីយ៉ូ (Scenario Testing): ដំណើរការម៉ូដែលដោយប្រើប្រាស់ Monte Carlo Simulations និង Sensitivity Analysis ដើម្បីសាកល្បងពីប្រសិទ្ធភាពនៃគោលនយោបាយផ្សេងៗ និងទាញយកលទ្ធផលជារបាយការណ៍ផ្តល់អនុសាសន៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Agent-Based Modeling (ការបង្កើតគំរូផ្អែកលើភ្នាក់ងារ) ជាវិធីសាស្ត្រក្លែងធ្វើតាមកុំព្យូទ័រ ដែលគេបង្កើតតួអង្គ (Agents) ដូចជាកសិករ អ្នកអភិវឌ្ឍន៍ អង្គការ ឬរដ្ឋាភិបាល ដោយកំណត់អាកប្បកិរិយា និងឲ្យពួកគេធ្វើអន្តរកម្មជាមួយគ្នា ដើម្បីសិក្សាពីលទ្ធផលរួមនៃប្រព័ន្ធសង្គមដ៏ស្មុគស្មាញ ដែលកើតចេញពីការសម្រេចចិត្តរបស់បុគ្គលនីមួយៗ។ ដូចជាការលេងហ្គេម The Sims ដែលតួអង្គនីមួយៗមានគំនិត និងការសម្រេចចិត្តរៀងៗខ្លួន ហើយអ្នកស្រាវជ្រាវសង្កេតមើលថាតើសកម្មភាពរបស់ពួកគេធ្វើឲ្យសង្គមទាំងមូលប្រែប្រួលយ៉ាងណា។
Peri-Urban Areas (តំបន់ជាយក្រុង) ជាតំបន់អន្តរកាលរវាងទីក្រុង និងជនបទ ដែលកំពុងរងសម្ពាធនៃការអភិវឌ្ឍនគរូបនីយកម្មយ៉ាងខ្លាំង បណ្តាលឲ្យមានការផ្លាស់ប្តូរផ្ទៃដីកសិកម្មទៅជាតំបន់លំនៅដ្ឋាន (បុរី) ហេដ្ឋារចនាសម្ព័ន្ធ ឬតំបន់ឧស្សាហកម្មយ៉ាងឆាប់រហ័ស។ ដូចជាតំបន់ជាយរាជធានីភ្នំពេញ (ឧទាហរណ៍ ស្រុកកណ្ដាលស្ទឹង ឬខណ្ឌកំបូល) ដែលពីមុនជាវាលស្រែ តែបច្ចុប្បន្នកំពុងប្រែក្លាយជាបុរី និងរោងចក្របណ្ដើរៗ។
Social Trust (ទំនុកចិត្តក្នុងសង្គម) ជាកម្រិតនៃការជឿជាក់ និងបណ្តាញទំនាក់ទំនងរវាងសមាជិកក្នុងសហគមន៍ (ដូចជាកសិករ និងអង្គការក្រៅរដ្ឋាភិបាល) ដែលជួយកាត់បន្ថយភាពតានតឹង សម្រួលដល់ការសហការគ្នា និងបង្កើតភាពធន់នៅពេលប្រឈមនឹងសម្ពាធពីខាងក្រៅ ដូចជាការទិញយកដីធ្លីពីអ្នកអភិវឌ្ឍន៍។ ដូចជាការចងក្រងជាសហគមន៍កសិករមួយ ដែលអ្នកភូមិអាចទុកចិត្តគ្នា ចែករំលែកព័ត៌មាន និងរួមគ្នាការពារសិទ្ធិដីធ្លី ដោយមិនភ័យខ្លាចការកេងប្រវ័ញ្ច ឬការបោកប្រាស់។
Monte Carlo Simulations (ការក្លែងធ្វើបែបម៉ុងតេការឡូ) ជាបច្ចេកទេសគណិតវិទ្យាដែលប្រើការសាកល្បងដោយចៃដន្យ (Random sampling) ច្រើនដងដដែលៗ (ឧ. លើសពី ១០០ដង) នៅក្នុងម៉ូដែល ដើម្បីគណនាពីប្រូបាប៊ីលីតេនៃលទ្ធផលផ្សេងៗ និងវាយតម្លៃកម្រិតហានិភ័យ ក៏ដូចជាកាត់បន្ថយភាពមិនប្រាកដប្រជានៃទិន្នន័យ។ ដូចជាការបោះកាក់រាប់ពាន់ដង ដើម្បីរកឲ្យឃើញពីភាគរយពិតប្រាកដថាតើវានឹងចេញក្បាល ឬប៉ាគី ជាជាងការទាយស្មានដោយបោះតែម្ដងឬពីរដង។
Sensitivity Analysis (ការវិភាគភាពរសើប) ជាការធ្វើតេស្តដោយផ្លាស់ប្តូរតម្លៃនៃអញ្ញាតណាមួយ (ដូចជា កម្រិតនៃការអន្តរាគមន៍ពីរដ្ឋាភិបាល) នៅក្នុងម៉ូដែលតាមកុំព្យូទ័រ ដើម្បីចង់ដឹងថាតើការផ្លាស់ប្តូរនោះនឹងធ្វើឲ្យលទ្ធផលរួម (ដូចជាអត្រានៃការបំប្លែងដី) ប្រែប្រួលខ្លាំងកម្រិតណា។ ដូចជាការសាកល្បងបន្ថែមអំបិលបន្តិចម្តងៗទៅក្នុងសម្ល ដើម្បីចង់ដឹងថាតើត្រូវដាក់ប៉ុន្មាន ទើបធ្វើឲ្យសម្លនោះប្រែជាប្រៃខ្លាំងមិនអាចហូបបាន។
ODD+D Protocol (ពិធីសារ ODD+D) ជាស្តង់ដាររួម (Overview, Design Concepts, Details + Human Decision-Making) សម្រាប់សរសេរពណ៌នាពីម៉ូដែល ABM ដើម្បីធានាថាអ្នកស្រាវជ្រាវផ្សេងទៀតអាចយល់ច្បាស់ពីរបៀបដែលភ្នាក់ងារធ្វើការសម្រេចចិត្ត ហើយអាចយកម៉ូដែលនោះទៅបង្កើតឡើងវិញ (Reproduce) បាន។ ដូចជាសៀវភៅរូបមន្តធ្វើម្ហូបដ៏លម្អិតមួយ ដែលប្រាប់តាំងពីគ្រឿងផ្សំ របៀបធ្វើ និងមូលហេតុដែលត្រូវដាក់គ្រឿងនីមួយៗ ដើម្បីឲ្យចុងភៅផ្សេងអាចធ្វើតាមបានរសជាតិដូចគ្នា។
Pattern-Oriented Modeling (ការបង្កើតគំរូផ្ដោតលើលំនាំ) ជាវិធីសាស្ត្រក្នុងការរចនា និងផ្ទៀងផ្ទាត់ម៉ូដែលក្លែងធ្វើ (Validation) ដោយប្រៀបធៀបលទ្ធផលអាកប្បកិរិយាដែលទទួលបានពីម៉ូដែល ទៅនឹងលំនាំ ឬទិន្នន័យជាក់ស្តែង (Empirical data) ក្នុងពិភពពិត ដើម្បីធានាថាម៉ូដែលនោះដំណើរការបានត្រឹមត្រូវគួរឱ្យទុកចិត្ត។ ដូចជាការគូររូបជនសង្ស័យតាមការរៀបរាប់ បន្ទាប់មកយកគំនូរនោះទៅផ្ទឹមជាមួយរូបថតជនសង្ស័យពិតប្រាកដ ដើម្បីមើលថាតើវាមានទម្រង់មុខស្រដៀងគ្នាកម្រិតណា។
Land Rent Theory (ទ្រឹស្ដីឈ្នួលដី) ជាទ្រឹស្ដីសេដ្ឋកិច្ចដែលពន្យល់ពីរបៀបដែលតម្លៃ និងការសម្រេចចិត្តប្រើប្រាស់ដីធ្លីត្រូវបានកំណត់ដោយកត្តាទីតាំង (ភាពជិតទៅនឹងទីក្រុង) ភាពកម្រនៃដី និងថាមវន្តទីផ្សារ ដោយដីកសិកម្មដែលនៅជិតទីក្រុងមានតម្លៃខ្ពស់ជាង និងងាយរងការទិញដើម្បីអភិវឌ្ឍន៍។ ដូចជាការជួលតូបលក់ទំនិញនៅក្បែរច្រកចូលផ្សារ ដែលមានតម្លៃថ្លៃជាងតូបនៅខាងចុងផ្សារ ព្រោះវាមានមនុស្សដើរកាត់ច្រើននិងងាយរកប្រាក់ចំណេញជាង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖