បញ្ហា (The Problem)៖ គម្រោងធានារ៉ាប់រងដំណាំ PMFBY របស់ប្រទេសឥណ្ឌាជួបប្រទះនឹងបញ្ហាខ្វះការយល់ដឹងពីសាធារណជន ដែលធ្វើឱ្យកសិករងាយរងគ្រោះពីហានិភ័យអាកាសធាតុ មិនអាចទទួលបានអត្ថប្រយោជន៍ពេញលេញពីសេវាធានារ៉ាប់រងនេះ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណ (Quantitative Method) ដោយប្រមូលទិន្នន័យពីកសិករនៅតាមមូលដ្ឋាន ដើម្បីវាយតម្លៃប្រសិទ្ធភាពនៃប្រភពព័ត៌មានផ្សេងៗគ្នា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Multi-level Regression Analysis ការវិភាគតម្រែតម្រង់ពហុកម្រិត |
អាចកំណត់កត្តាព្យាករណ៍ និងវាស់វែងទំហំឥទ្ធិពលនៃកត្តានីមួយៗបានយ៉ាងច្បាស់លាស់។ អាចពន្យល់ពីភាគរយនៃភាពប្រែប្រួលនៃទិន្នន័យរួម។ | ទាមទារឱ្យទិន្នន័យគោរពតាមលក្ខខណ្ឌមួយចំនួនដូចជា ភាពមិនមានកូលីនេអ៊ែរ (Multicollinearity) និងទំនាក់ទំនងលីនេអ៊ែរ។ | ប្រព័ន្ធផ្សព្វផ្សាយមានឥទ្ធិពលខ្លាំងជាងគេ (Beta = 0.553) បន្ទាប់មកគឺការផ្សព្វផ្សាយតាមស្ថាប័ន (Beta = 0.246) ដែលរួមគ្នាពន្យល់បាន ៥៥,៨% នៃការយល់ដឹងសរុប។ |
| Kruskal-Wallis H Test ការធ្វើតេស្តមិនប៉ារ៉ាម៉ែត្រ គ្រូស្កាល់វ៉ាលីស |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវិភាគទិន្នន័យតាមលំដាប់ (Ordinal) និងទិន្នន័យដែលមិនមានរបាយធម្មតា (Non-normally distributed)។ | មិនអាចបង្ហាញពីទំហំជាក់លាក់នៃភាពខុសគ្នារវាងក្រុមនីមួយៗទេ លុះត្រាតែមានការធ្វើតេស្តបន្តបន្ទាប់ (Post-hoc tests)។ | រកឃើញភាពខុសគ្នាយ៉ាងសំខាន់ (p < 0.001) នៃកម្រិតការយល់ដឹងរវាងយេនឌ័រ អាយុ និងប្រភេទកសិករ (ឧ. កសិករវ័យក្មេងមានការយល់ដឹងខ្ពស់ជាង)។ |
| Pearson Rank Correlation ការវិភាគទំនាក់ទំនងភៀសុន |
បង្ហាញពីកម្លាំង និងទិសដៅនៃទំនាក់ទំនងរវាងអថេរនីមួយៗបានយ៉ាងងាយស្រួល និងរហ័ស។ | មិនអាចបញ្ជាក់ពីទំនាក់ទំនងហេតុនិងផល (Causation) នោះទេ ហើយងាយរងឥទ្ធិពលពីទិន្នន័យខុសប្រក្រតី (Outliers)។ | បង្ហាញពីទំនាក់ទំនងយ៉ាងខ្លាំងរវាងការយល់ដឹង និងប្រភពក្រៅស្ថាប័ន (r = 0.951) ព្រមទាំងប្រភពពីស្ថាប័ន (r = 0.916)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានសម្រាប់ការចុះប្រមូលទិន្នន័យនៅតាមមូលដ្ឋាន កម្លាំងពលកម្ម និងកម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគស្ថិតិ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងរដ្ឋពីរនៃប្រទេសឥណ្ឌា ដោយផ្តោតលើកសិករចំនួន ១.៤៩៤ នាក់ ដែលមានការបែងចែកតាមវណ្ណៈ (Caste) ទំហំដី និងកម្រិតអប់រំ។ ទិន្នន័យនេះមានភាពលម្អៀងទៅលើបរិបទសង្គម-វប្បធម៌ និងប្រព័ន្ធរដ្ឋបាលរបស់ប្រទេសឥណ្ឌា ដែលអាចខុសប្លែកពីប្រទេសកម្ពុជា។ ទោះយ៉ាងណា ការយល់ដឹងពីគម្លាតនៃការអប់រំ និងបញ្ហាប្រឈមក្នុងការប្រើប្រាស់បច្ចេកវិទ្យាឌីជីថល (Digital divide) នៅតំបន់ជនបទ គឺមានសារៈសំខាន់ខ្លាំងសម្រាប់ការយកមកអនុវត្តនៅកម្ពុជា ព្រោះកសិករខ្មែរភាគច្រើនក៏ជួបប្រទះនឹងបញ្ហាស្រដៀងគ្នានេះដែរ។
វិធីសាស្ត្រក្នុងការវាយតម្លៃការយល់ដឹងជាសាធារណៈនេះ គឺមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការវាយតម្លៃគោលនយោបាយកសិកម្ម និងការគ្រប់គ្រងហានិភ័យនៅកម្ពុជា។
សរុបមក ការអនុវត្តវិធីសាស្ត្រនេះអាចជួយស្ថាប័នពាក់ព័ន្ធនៅកម្ពុជារៀបចំយុទ្ធសាស្ត្រផ្សព្វផ្សាយគោលនយោបាយឱ្យចំគោលដៅ និងធានាបាននូវការចូលរួមយ៉ាងពេញលេញពីកសិករទោះមានកម្រិតអប់រំខុសគ្នាក៏ដោយ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Regression Analysis (ការវិភាគតម្រែតម្រង់) | វិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើប្រាស់ដើម្បីស្វែងយល់ពីទំនាក់ទំនងរវាងអថេរអាស្រ័យ (ក្នុងទីនេះគឺកម្រិតនៃការយល់ដឹង) និងអថេរឯករាជ្យច្រើន (ប្រភពព័ត៌មានផ្សេងៗ) ព្រមទាំងទស្សន៍ទាយពីទំហំនៃឥទ្ធិពលរបស់វា។ | ដូចជាការរកមើលថាតើគ្រឿងផ្សំណាខ្លះ (ប្រព័ន្ធផ្សព្វផ្សាយ មិត្តភក្តិ ស្ថាប័ន) ធ្វើឱ្យសម្លមួយមានរសជាតិឆ្ងាញ់ជាងគេ ហើយវាមានឥទ្ធិពលកម្រិតណា។ |
| Kruskal-Wallis H Test (តេស្តគ្រូស្កាល់-វ៉ាលីស) | ការធ្វើតេស្តស្ថិតិប្រភេទមិនប៉ារ៉ាម៉ែត្រ ដែលប្រើដើម្បីប្រៀបធៀបមធ្យមភាគ (Medians) នៃក្រុមឯករាជ្យចាប់ពីបីឡើងទៅ ពិសេសនៅពេលដែលទិន្នន័យមិនមានរបាយធម្មតា (Non-normally distributed)។ | ដូចជាការប្រៀបធៀបពិន្ទុប្រឡងរបស់សិស្សមកពី ៣ ថ្នាក់ខុសៗគ្នា ដើម្បីមើលថាតើថ្នាក់ណាពូកែជាងគេ ដោយមិនបាច់ខ្វល់ពីភាពខុសគ្នានៃកម្រិតពិន្ទុអតិបរមាក្នុងថ្នាក់នីមួយៗនោះទេ។ |
| Pearson Rank Correlation (ទំនាក់ទំនងចំណាត់ថ្នាក់ភៀសុន) | ការវាស់វែងកម្លាំង និងទិសដៅនៃទំនាក់ទំនងលីនេអ៊ែររវាងអថេរពីរ។ នៅក្នុងការសិក្សានេះ វាវាស់វែងថាតើប្រភពព័ត៌មាននីមួយៗពាក់ព័ន្ធគ្នាប៉ុនណាជាមួយកម្រិតនៃការយល់ដឹង។ | ដូចជាការវាស់ស្ទង់ថាតើនៅពេលដែលយើងចំណាយពេលរៀនកាន់តែច្រើន (អថេរទី១) ពិន្ទុប្រឡងរបស់យើងកើនឡើងស្របគ្នាកម្រិតណាដែរ (អថេរទី២)។ |
| Multicollinearity (ពហុកូលីនេអ៊ែរ) | បាតុភូតនៅក្នុងម៉ូដែលវិភាគតម្រែតម្រង់ដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេក ដែលធ្វើឱ្យមានការលំបាកក្នុងការប៉ាន់ស្មានពីឥទ្ធិពលដាច់ដោយឡែករបស់អថេរនីមួយៗទៅលើអថេរអាស្រ័យឱ្យបានច្បាស់លាស់។ | ដូចជាមានមនុស្សពីរនាក់រុញរទេះជាមួយគ្នាដោយប្រើកម្លាំងដូចគ្នា និងចលនាដូចគ្នាបេះបិទ ដែលធ្វើឱ្យយើងពិបាកដឹងថាអ្នកណាចេញកម្លាំងរុញខ្លាំងជាងអ្នកណាពិតប្រាកដ។ |
| Variance Inflation Factor / VIF (កត្តាអតិផរណានៃវ៉ារ្យ៉ង់) | រង្វាស់ស្ថិតិដែលប្រើដើម្បីពិនិត្យមើលកម្រិតនៃភាពពហុកូលីនេអ៊ែរ (Multicollinearity) នៅក្នុងម៉ូដែលតម្រែតម្រង់។ តម្លៃ VIF កាន់តែខ្ពស់ បង្ហាញថាអថេរឯករាជ្យមានការជាន់គ្នាខ្លាំង និងធ្វើឱ្យម៉ូដែលចុះខ្សោយ។ | ដូចជាឧបករណ៍វាស់កម្រិតសម្លេងរំខាននៅក្នុងបន្ទប់ប្រជុំ បើសម្លេងរំខាន (VIF) កាន់តែខ្ពស់ពេក យើងនឹងកាន់តែស្តាប់មិនច្បាស់ថាអ្នកណានិយាយអ្វីខ្លះ។ |
| PMFBY / Pradhan Mantri Fasal Bima Yojana (គម្រោងធានារ៉ាប់រងដំណាំ PMFBY) | គម្រោងធានារ៉ាប់រងដំណាំដ៏ធំមួយរបស់ប្រទេសឥណ្ឌាដែលបង្កើតឡើងដើម្បីជួយការពារកសិករពីការខាតបង់ដោយសារគ្រោះធម្មជាតិ តាមរយៈការផ្តល់សេវាធានារ៉ាប់រងដោយគិតថ្លៃបុព្វលាភទាប (ត្រឹមតែ ២%) ពីកសិករ។ | ដូចជាការទិញសេវាធានារ៉ាប់រងសុខភាពប្រចាំឆ្នាំក្នុងតម្លៃថោក ដើម្បីការពារខ្លួននៅពេលដែលមានជំងឺឈឺថ្កាត់ធ្ងន់ធ្ងរភ្លាមៗដោយមិនបានរំពឹងទុក។ |
| Institutional Sources (ប្រភពព័ត៌មានពីស្ថាប័ន) | ការទទួលបានព័ត៌មានតាមរយៈស្ថាប័ន ឬភ្នាក់ងារផ្លូវការដែលមានការទទួលស្គាល់ ដូចជាភ្នាក់ងារកសិកម្ម អង្គការក្រៅរដ្ឋាភិបាល (NGOs) និងមន្ត្រីជំនាញផ្សេងៗ ជាជាងទទួលបានពីមិត្តភក្តិ ឬប្រព័ន្ធផ្សព្វផ្សាយសង្គម។ | ដូចជាការស្តាប់ព័ត៌មានប្រកាសប្រាប់ពីបញ្ហាអាកាសធាតុដោយផ្ទាល់ពីក្រសួងធនធានទឹក ដែលមានប្រភពច្បាស់លាស់ ជាជាងការស្តាប់ពាក្យចចាមអារ៉ាមតៗគ្នាពីអ្នកភូមិ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
