បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការខ្វះខាតប្រព័ន្ធកត់ត្រាទិន្នន័យផលិតកម្មទឹកដោះប្រចាំថ្ងៃ ដោយស្វែងរកអនុគមន៍គណិតវិទ្យាដែលស័ក្តិសមបំផុតដើម្បីធ្វើជាគំរូទស្សន៍ទាយទិន្នផលទឹកដោះគោសម្រាប់ការវាយតម្លៃពន្ធុវិទ្យានៅក្នុងប្រទេសអេត្យូពី។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រៀបធៀបអនុគមន៍ខ្សែកោងផលិតកម្មទឹកដោះចំនួនបីផ្សេងគ្នា ដោយធ្វើការវិភាគលើទិន្នន័យកំណត់ត្រាទឹកដោះចំនួន ៦.៧១៧ ពីគោចំនួន ២.០៦៤ ក្បាលនៅមជ្ឈមណ្ឌលស្រាវជ្រាវចំនួនបី។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Modified Incomplete Gamma (MIG) Function អនុគមន៍ហ្គាម៉ាមិនពេញលេញដែលបានកែប្រែ |
មានភាពស័ក្តិសមបំផុតជាមួយទិន្នន័យទាំងប្រចាំថ្ងៃនិងប្រចាំខែ ហើយមានកម្រិតលម្អៀងក្នុងការទស្សន៍ទាយទាបបំផុត។ | ទាមទារការបំប្លែងទិន្នន័យទៅជាទម្រង់លីនេអ៊ែរ (log-transformed) មុនពេលធ្វើការគណនា និងវិភាគ។ | ទទួលបានតម្លៃ LSM R² និង adjusted R² ខ្ពស់ជាងគេ (០.៩០ និង ០.៨៩) និងមានកំហុសទស្សន៍ទាយទាបបំផុត (៤.១៩ គ.ក សម្រាប់ទិន្នន័យប្រចាំខែ)។ |
| Inverse Polynomial (IP) Function អនុគមន៍ពហុធាច្រាស |
មានភាពស័ក្តិសមល្អស្រដៀងនឹងអនុគមន៍ MIG ដែរ សម្រាប់ទិន្នន័យត្រួតពិនិត្យផលិតកម្មទឹកដោះប្រចាំខែ។ | ជារឿយៗបង្កើតឱ្យមានតម្លៃទស្សន៍ទាយអវិជ្ជមាន ឬវិជ្ជមានធំពេក ដែលតម្រូវឱ្យមានការច្រោះទិន្នន័យចោលខ្លះមុនពេលវិភាគ។ | ទទួលបានតម្លៃ LSM R² ០.៨៩ និង adjusted R² ០.៨៨ ដែលឈរនៅលេខរៀងទី២ បន្ទាប់ពី MIG។ |
| Incomplete Gamma (IG) Function អនុគមន៍ហ្គាម៉ាមិនពេញលេញ (របស់ Wood) |
ជាគំរូទូទៅដែលអ្នកស្រាវជ្រាវភាគច្រើនធ្លាប់ប្រើប្រាស់ និងងាយស្រួលយល់អំពីទំនាក់ទំនងប៉ារ៉ាម៉ែត្រនីមួយៗនៃខ្សែកោងទឹកដោះ។ | មានភាពស័ក្តិសមខ្សោយបំផុតបើធៀបនឹងគំរូដទៃ ហើយមានការវាយតម្លៃខ្ពស់លើសតថភាពជាក់ស្តែង (Overpredicted)។ | ទទួលបានតម្លៃ LSM R² ទាបបំផុតត្រឹមតែ ០.៧១ និងមានកំហុសទស្សន៍ទាយប្រចាំថ្ងៃដល់ទៅ -១៥.៥៦ គ.ក។ |
| Test Interval Method វិធីសាស្ត្រចន្លោះពេលត្រួតពិនិត្យ |
ជាវិធីសាស្ត្រស្តង់ដារ និងសាមញ្ញសម្រាប់ការប៉ាន់ស្មានទិន្នផលទឹកដោះគោនៅតាមកសិដ្ឋាន។ | មានកម្រិតលម្អៀងខ្ពស់ជាងការប្រើប្រាស់អនុគមន៍ MIG ដោយវាបានវាយតម្លៃទាបជាងតថភាពជាក់ស្តែង (Underpredicted)។ | កំហុសនៃការទស្សន៍ទាយមានកម្រិត -៩.៤៨ គ.ក ធៀបនឹងទិន្នផលជាក់ស្តែង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនតម្រូវឱ្យមានឧបករណ៍ផ្នែករឹង (Hardware) ស្មុគស្មាញនោះទេ ប៉ុន្តែទាមទារនូវកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិ និងទិន្នន័យកំណត់ត្រាផលិតកម្មទឹកដោះគោរយៈពេលវែងដែលមានភាពច្បាស់លាស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅប្រទេសអេត្យូពី ដោយផ្អែកលើទិន្នន័យពីគោពូជក្នុងស្រុក (Horro, Boran) និងកូនកាត់ពូជអឺរ៉ុប (Friesian, Jersey) ក្នុងលក្ខខណ្ឌអាកាសធាតុត្រូពិចនិងតំបន់ខ្ពង់រាប។ ទោះបីជាអាកាសធាតុមានលក្ខណៈក្តៅហើយមានរដូវវស្សាស្រដៀងនឹងកម្ពុជាក៏ដោយ តែរបបអាហារ ប្រភេទពូជគោ និងការគ្រប់គ្រងនៅកម្ពុជាអាចមានភាពខុសគ្នា ដែលទាមទារឱ្យមានការធ្វើតេស្តផ្ទៀងផ្ទាត់គំរូនេះឡើងវិញជាមួយទិន្នន័យកសិដ្ឋានក្នុងស្រុក។
ការប្រើប្រាស់អនុគមន៍គណិតវិទ្យាដើម្បីទស្សន៍ទាយទិន្នផលទឹកដោះគោនេះ មានសារៈសំខាន់ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ការគ្រប់គ្រងកសិដ្ឋាន និងការបង្កាត់ពូជនៅកម្ពុជា។
សរុបមក វិធីសាស្ត្រនេះផ្តល់នូវដំណោះស្រាយចំណាយតិច តែមានប្រសិទ្ធភាពខ្ពស់ សម្រាប់ការប៉ាន់ស្មានទិន្នផលទឹកដោះគោ ដែលស័ក្តិសមឥតខ្ចោះសម្រាប់បរិបទប្រទេសកម្ពុជាដែលកំពុងអភិវឌ្ឍវិស័យគោយកទឹកដោះ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Lactation curve (ខ្សែកោងផលិតកម្មទឹកដោះ) | វាគឺជាក្រាហ្វ ឬគំរូគណិតវិទ្យាដែលបង្ហាញពីការប្រែប្រួលនៃបរិមាណទឹកដោះគោដែលផលិតបានពីមួយថ្ងៃទៅមួយថ្ងៃ ចាប់តាំងពីពេលមេគោសម្រាលកូនរហូតដល់ពេលវាងាកទឹកដោះ (ឈប់ផ្តល់ទឹកដោះ)។ | វាប្រៀបដូចជាការគូសគំនូសបង្ហាញពីកម្លាំងរបស់អត្តពលិកដែលចាប់ផ្តើមរត់ពីយឺតទៅលឿនបំផុត រួចក៏ថយល្បឿនបន្តិចម្តងៗរហូតដល់គោលដៅ។ |
| Incomplete gamma function (អនុគមន៍ហ្គាម៉ាមិនពេញលេញ) | ជារូបមន្តគណិតវិទ្យាស្តង់ដារដែលប្រើប៉ារ៉ាម៉ែត្របី ដើម្បីគណនា និងទស្សន៍ទាយបរិមាណទឹកដោះគោនៅដំណាក់កាលចាប់ផ្តើម ដំណាក់កាលកើនដល់ចំណុចកំពូល និងការធ្លាក់ចុះនៃបរិមាណទឹកដោះនៅចុងវដ្ត។ | វាដូចជារូបមន្តធ្វើនំមួយដែលប្រើគ្រឿងផ្សំ៣មុខ ដើម្បីទស្សន៍ទាយថានំនោះនឹងរីកធំប៉ុនណា និងស្រកទៅវិញប៉ុនណានៅពេលដុតរួច។ |
| Inverse polynomial function (អនុគមន៍ពហុធាច្រាស) | ជាទម្រង់សមីការគណិតវិទ្យាមួយប្រភេទទៀតដែលត្រូវបានប្រើប្រាស់ដើម្បីទស្សន៍ទាយផលិតផលទឹកដោះគោ ហើយវាស័ក្តិសមបំផុតសម្រាប់មេគោដែលផ្តល់ទឹកដោះតិចនៅដើមទី និងឈានដល់ចំណុចផលិតកំពូលលឿនជាងធម្មតា។ | ជាឧបករណ៍គណិតវិទ្យាមួយប្រភេទដែលពូកែទស្សន៍ទាយចលនារបស់អ្វីមួយដែលកើនឡើងលឿន ហើយធ្លាក់ចុះវិញយ៉ាងលឿនដែរ។ |
| Least squares means (មធ្យមភាគការ៉េអប្បបរមា) | ជាវិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើដើម្បីប៉ាន់ស្មានតម្លៃមធ្យមនៃទិន្នន័យដោយកែតម្រូវនូវកត្តារំខានផ្សេងៗ (ដូចជាការខុសគ្នានៃអាកាសធាតុ ឬចំនួនគោក្នុងពូជនីមួយៗមិនស្មើគ្នា) ដើម្បីឱ្យការប្រៀបធៀបមានភាពយុត្តិធម៌។ | ដូចជាការគណនាពិន្ទុមធ្យមសិស្សដោយបូកពិន្ទុបន្ថែមលើកទឹកចិត្តដល់សិស្សដែលរៀនក្នុងស្ថានភាពលំបាកជាងគេ ដើម្បីឱ្យការប្រៀបធៀបសមត្ថភាពមានភាពស្មើភាពគ្នា។ |
| Parity (ចំនួនដងនៃការសម្រាលកូន) | ជាពាក្យបច្ចេកទេសក្នុងវិស័យបសុសត្វ ដែលសំដៅលើចំនួនដងដែលមេគោមួយក្បាលធ្លាប់មានគភ៌ និងសម្រាលកូនរួច ដែលវាមានឥទ្ធិពលយ៉ាងខ្លាំងទៅលើទំហំ និងរូបរាងនៃខ្សែកោងទឹកដោះ។ | ប្រៀបដូចជាបទពិសោធន៍របស់អ្នកម្តាយដែលធ្លាប់មានកូនទី១ កូនទី២ ឬកូនទី៣ ដែលបរិមាណទឹកដោះនិងរូបរាងកាយមានការប្រែប្រួលខុសគ្នា។ |
| Persistency of lactation (ភាពធន់នៃផលិតកម្មទឹកដោះ) | គឺជាសមត្ថភាពរបស់មេគោក្នុងការរក្សាបរិមាណផលិតផលទឹកដោះឱ្យនៅកម្រិតខ្ពស់បានយូរ បន្ទាប់ពីវាបានឈានដល់ចំណុចផលិតខ្ពស់បំផុតរួច (Peak yield) ដោយមិនធ្លាក់ចុះបរិមាណលឿនពេកទេ។ | ដូចជាថ្មទូរស័ព្ទដែលសាកពេញ រួចអាចកាន់ថ្មបានយូរដោយមិនងាយឆាប់អស់ ទោះបីជាត្រូវប្រើប្រាស់កម្លាំងច្រើនក៏ដោយ។ |
| Test-day milk data (ទិន្នន័យត្រួតពិនិត្យទឹកដោះតាមថ្ងៃ) | គឺជាបរិមាណទឹកដោះគោដែលបានវាស់វែងនិងកត់ត្រានៅក្នុងថ្ងៃជាក់លាក់ណាមួយ (ជាធម្មតាធ្វើឡើងម្តងក្នុងមួយខែ) ជាជាងការកត់ត្រារាល់ថ្ងៃ ដែលជួយចំណេញពេលវេលា និងកាត់បន្ថយការចំណាយក្នុងការតាមដានទិន្នផល។ | ដូចជាការពិនិត្យអវត្តមានសិស្សតែ១ថ្ងៃក្នុង១សប្តាហ៍ ដើម្បីយកទៅវាយតម្លៃអវត្តមានសរុបប្រចាំខែ ដោយមិនចាំបាច់ហៅឈ្មោះរាល់ថ្ងៃ។ |
| Test-interval method (វិធីសាស្ត្រចន្លោះពេលត្រួតពិនិត្យ) | គឺជាវិធីសាស្ត្រស្តង់ដារមួយសម្រាប់ប៉ាន់ស្មានទិន្នផលទឹកដោះគោសរុបប្រចាំវដ្ត ដោយយកទិន្នន័យដែលវាស់បាននៅថ្ងៃនេះ មកគុណនឹងចំនួនថ្ងៃរហូតដល់ការវាស់លើកក្រោយ រួចបូកបន្តបន្ទាប់គ្នា។ | ដូចជាការប៉ាន់ស្មានការចំណាយប្រាក់សរុបក្នុង១ខែ ដោយយកការចំណាយប្រចាំថ្ងៃនេះ គុណនឹង៣០ថ្ងៃ ព្រោះយើងសន្មត់ថាចំណាយប្រហាក់ប្រហែលគ្នារាល់ថ្ងៃ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
