បញ្ហា (The Problem)៖ អ្នកចិញ្ចឹមបក្សីចាំបាច់ត្រូវយល់ដឹងអំពីម៉ូដែលសមស្របដើម្បីកំណត់អាយុដែលផ្តល់ទិន្នផលពងប្រកបដោយប្រសិទ្ធភាពបំផុតរបស់មាន់ពូជ Isa Brown ដើម្បីជួយជំរុញផលិតកម្មបក្សី និងកាត់បន្ថយការខាតបង់សេដ្ឋកិច្ចនៅក្នុងតំបន់ត្រូពិច។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់មាន់ពូជ Isa Brown ចំនួន ២៤០ ក្បាល ដោយប្រមូលទិន្នន័យផលិតកម្មពីអាយុ ២៥ ដល់ ៧០ សប្តាហ៍ និងធ្វើការវិភាគដើម្បីទស្សន៍ទាយទិន្នផលដោយប្រើម៉ូដែលគណិតវិទ្យា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Linear Regression Model ម៉ូដែលតំរែតំរង់លីនេអ៊ែរ |
ងាយស្រួលក្នុងការគណនា និងស័ក្តិសមសម្រាប់មើលនិន្នាការកើនឡើង ឬថយចុះជាមូលដ្ឋានទូទៅ។ | មិនអាចចាប់យកការប្រែប្រួលរាងកោង (ប៉ារ៉ាបូល) នៃទិន្នផលស៊ុតនៅពេលមាន់ចាស់នោះទេ ដែលធ្វើឱ្យការទស្សន៍ទាយមានភាពលម្អៀងខ្ពស់នៅដំណាក់កាលចុងក្រោយ។ | ផ្តល់តម្លៃមេគុណកាត់កង (R²) ទាប និងកំហុសការេមធ្យមឫស (RMSE) ខ្ពស់ ដែលបញ្ជាក់ថាមានភាពត្រឹមត្រូវទាបជាងម៉ូដែលកាដ្រាទិក។ |
| Quadratic Regression Model ម៉ូដែលតំរែតំរង់កាដ្រាទិក |
ស័ក្តិសមបំផុតក្នុងការទស្សន៍ទាយវដ្តនៃការផលិតស៊ុត ដែលមានការកើនឡើងដល់ចំណុចកំពូល រួចធ្លាក់ចុះមកវិញ (រាងប៉ារ៉ាបូល)។ | ត្រូវការការគណនាស្មុគស្មាញជាងម៉ូដែលលីនេអ៊ែរបន្តិច និងទាមទារទិន្នន័យដែលមានអាយុកាលវែងគ្រប់គ្រាន់ដើម្បីបង្ហាញពីខ្សែកោងច្បាស់លាស់។ | ផ្តល់តម្លៃ R² ខ្ពស់ (០.៧៤៥ ដល់ ០.៨៧៦) និងអាចទស្សន៍ទាយអាយុដែលផ្តល់ទិន្នផលខ្ពស់បំផុតបានយ៉ាងសុក្រឹត (ឧ. អត្រាពងប្រចាំថ្ងៃខ្ពស់បំផុតនៅអាយុ ៥៣.៣០ សប្តាហ៍)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនទាមទារបច្ចេកវិទ្យាទំនើបខ្លាំងនោះទេ ប៉ុន្តែទាមទារការតាមដានទិន្នន័យប្រចាំថ្ងៃយ៉ាងយកចិត្តទុកដាក់ និងកម្មវិធីវិភាគទិន្នន័យស្ថិតិ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅរដ្ឋ Nasarawa ប្រទេសនីហ្សេរីយ៉ា ដែលជាតំបន់ត្រូពិចមានរដូវប្រាំងនិងរដូវវស្សា ដោយប្រើប្រាស់មាន់ពូជ Isa Brown ចិញ្ចឹមក្នុងទ្រុង។ ទោះបីជាអាកាសធាតុមានលក្ខណៈប្រហាក់ប្រហែលនឹងប្រទេសកម្ពុជា (តំបន់ត្រូពិចក្តៅហើយសើម) ក៏ដោយ ក៏កត្តាជាក់ស្តែងដូចជា សីតុណ្ហភាពជាក់លាក់ រូបមន្តចំណីក្នុងស្រុក និងការគ្រប់គ្រងជំងឺនៅកម្ពុជា អាចធ្វើឱ្យលទ្ធផលនៃការលូតលាស់មានការប្រែប្រួល។ នេះមានន័យថាការទស្សន៍ទាយសប្តាហ៍ពិតប្រាកដអាចនឹងមានភាពខុសគ្នាបន្តិចបន្តួចនៅកម្ពុជា។
វិធីសាស្ត្រនៃការប្រើប្រាស់ម៉ូដែលកាដ្រាទិកនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ជួយកសិដ្ឋាននៅកម្ពុជាក្នុងការរៀបចំផែនការផលិតកម្មស៊ុតឱ្យមានប្រសិទ្ធភាពសេដ្ឋកិច្ច។
សរុបមក ការអនុវត្តម៉ូដែលទស្សន៍ទាយគណិតវិទ្យាទាំងនេះនឹងជួយបំប្លែងទិន្នន័យកសិដ្ឋានធម្មតា ទៅជាព័ត៌មានយុទ្ធសាស្ត្រដែលជួយកាត់បន្ថយការខាតបង់ និងបង្កើនប្រាក់ចំណេញដល់កសិករកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Isa Brown layers (មាន់ពូជ Isa Brown) | គឺជាពូជមាន់បង្កាត់ខ្នាតពាណិជ្ជកម្មមួយប្រភេទ ដែលត្រូវបានគេស្គាល់ទូទាំងពិភពលោកថាមានសមត្ថភាពខ្ពស់ក្នុងការផ្តល់ទិន្នផលស៊ុតពណ៌ត្នោតច្រើន និងមានភាពធន់នឹងអាកាសធាតុផ្សេងៗ ជាពិសេសនៅក្នុងតំបន់ត្រូពិច។ | វាប្រៀបដូចជាឡានកូនកាត់ (Hybrid car) ដែលត្រូវបានរចនាឡើងយ៉ាងពិសេស ដើម្បីស៊ីសាំងតិចបំផុត តែអាចរត់បានចម្ងាយឆ្ងាយបំផុតក្នុងការផ្តល់ស៊ុត។ |
| Quadratic regression model (ម៉ូដែលតំរែតំរង់កាដ្រាទិក) | គឺជាវិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើដើម្បីរកទំនាក់ទំនងរវាងអថេរពីរ ដែលបង្កើតបានជាទម្រង់ខ្សែបន្ទាត់កោង (រាងប៉ារ៉ាបូល)។ នៅក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីបង្ហាញពីវដ្តនៃការផ្តល់ស៊ុត ដែលកើនឡើងដល់ចំណុចកំពូល រួចធ្លាក់ចុះមកវិញទៅតាមអាយុរបស់មាន់។ | វាប្រៀបដូចជាការចោលបាល់ទៅលើអាកាស វាហោះឡើងទៅដល់ចំណុចខ្ពស់បំផុត (ពេលមាន់ពងបានច្រើនបំផុត) រួចក៏ធ្លាក់ចុះមកវិញបន្តិចម្តងៗនៅពេលមាន់ចាស់។ |
| Hen-day egg production / HDEP (អត្រាពងប្រចាំថ្ងៃ) | គឺជារង្វាស់ទិន្នផលដែលគណនាដោយយកចំនួនស៊ុតសរុបដែលប្រមូលបាននៅថ្ងៃណាមួយ ចែកនឹងចំនួនមាន់ដែលកំពុងមានជីវិតរស់នៅជាក់ស្តែងនៅថ្ងៃនោះ។ វាវាស់ស្ទង់ពីប្រសិទ្ធភាពនៃការផ្តល់ស៊ុតរបស់ហ្វូងមាន់ដែលនៅរស់។ | វាប្រៀបដូចជាការគណនាពិន្ទុមធ្យមនៃការប្រឡង ដោយផ្អែកទៅលើតែសិស្សដែលបានមកចូលរួមប្រឡងថ្ងៃនេះប៉ុណ្ណោះ ដោយមិនរាប់បញ្ចូលអ្នកដែលឈប់រៀន ឬអវត្តមាននោះទេ។ |
| Hen-housed egg production / HHEP (អត្រាពងធៀបនឹងចំនួនមាន់ដើម) | គឺជារង្វាស់ទិន្នផលដែលគណនាដោយយកចំនួនស៊ុតសរុប ចែកនឹងចំនួនមាន់សរុបដែលត្រូវបានដាក់ចូលក្នុងទ្រុងតាំងពីថ្ងៃដំបូង។ រង្វាស់នេះឆ្លុះបញ្ចាំងទាំងអត្រាពង និងអត្រារស់រានមានជីវិតរបស់មាន់នៅក្នុងកសិដ្ឋាន។ | វាប្រៀបដូចជាការវាយតម្លៃភាពជោគជ័យនៃគម្រោងមួយ ដោយប្រៀបធៀបលទ្ធផលសម្រេចបាន ទៅនឹងចំនួនបុគ្គលិកនិងថវិកាដែលបានគ្រោងទុកតាំងពីថ្ងៃដំបូង គឺបើសិនមានបុគ្គលិកលាឈប់កណ្តាលទី វានឹងធ្វើឱ្យពិន្ទុរួមធ្លាក់ចុះ។ |
| Coefficient of determination / R² (មេគុណកំណត់ភាពត្រឹមត្រូវ) | គឺជារង្វាស់ស្ថិតិដែលបញ្ជាក់ថា តើទិន្នន័យជាក់ស្តែង (ឧទាហរណ៍ ទិន្នផលស៊ុត) មានភាពស៊ីចង្វាក់គ្នា និងអាចត្រូវបានពន្យល់ដោយម៉ូដែលទស្សន៍ទាយ (ផ្អែកលើអាយុ) បានកម្រិតណា។ តម្លៃ R² កាន់តែខិតជិត ១ មានន័យថាម៉ូដែលទស្សន៍ទាយកាន់តែសុក្រឹត។ | វាប្រៀបដូចជាកញ្ចក់ឆ្លុះរូបភាព; បើ R² ស្មើ ១ មានន័យថាកញ្ចក់នោះថ្លាឆ្វេងឆ្លុះឃើញរូបភាពច្បាស់ល្អ ១០០% តែបើ R² ទាប មានន័យថាកញ្ចក់នោះស្រអាប់ មើលមិនសូវច្បាស់។ |
| Root mean square error / RMSE (កំហុសការេមធ្យមឫស) | គឺជារង្វាស់នៃការវាយតម្លៃកម្រិតលម្អៀង ឬកំហុសរបស់ម៉ូដែលទស្សន៍ទាយ។ វាគណនាគម្លាតមធ្យមរវាងតម្លៃដែលម៉ូដែលបានទស្សន៍ទាយ និងតម្លៃដែលកើតឡើងជាក់ស្តែង។ តម្លៃ RMSE កាន់តែតូច មានន័យថាម៉ូដែលកាន់តែមានភាពត្រឹមត្រូវ។ | វាប្រៀបដូចជាការគប់ព្រួញទៅកាន់គោលដៅ; RMSE គឺជាចម្ងាយមធ្យមនៃព្រួញទាំងអស់ដែលអ្នកបានគប់ ខុសពីចំណុចកណ្តាលនៃផ្ទាំងស៊ីប។ ចម្ងាយកាន់តែខ្លី គឺអ្នកគប់កាន់តែចំគោលដៅ។ |
| Duncan's Multiple Range Test / DMRT (តេស្តចំណាត់ថ្នាក់ពហុគុណ Duncan) | គឺជាតេស្តស្ថិតិដែលគេធ្វើឡើងបន្ទាប់ពីការវិភាគ ANOVA ដើម្បីប្រៀបធៀបតម្លៃមធ្យមនៃក្រុមនីមួយៗ (ឧ. ទម្ងន់មាន់នៅអាយុផ្សេងៗគ្នា) ដើម្បីរកមើលថាតើក្រុមណាខ្លះដែលមានភាពខុសគ្នាគួរឱ្យកត់សម្គាល់ និងក្រុមណាខ្លះដែលមានលក្ខណៈស្រដៀងគ្នា។ | បន្ទាប់ពីដឹងថាសិស្សក្នុងថ្នាក់រៀនពូកែខុសៗគ្នា (តាមរយៈ ANOVA), ការប្រើប្រាស់ DMRT គឺប្រៀបដូចជាការចាប់ផ្តើមប្រៀបធៀបពិន្ទុសិស្សម្នាក់ៗទល់នឹងម្នាក់ទៀត ដើម្បីចាត់ចំណាត់ថ្នាក់ថាតើនរណាពូកែជាងនរណាឱ្យប្រាកដ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
