បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងបង្កើតគំរូស្ថិតិដើម្បីវាយតម្លៃ និងចាត់ថ្នាក់ពូជស្រូវក្នុងស្រុក (Oryza sativa) ចំនួន ៤២ ប្រភេទ ដោយប្រើប្រាស់វិធីសាស្ត្រវត្តិករសាស្ត្រផ្អែកលើតួលេខ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះត្រូវបានរៀបចំឡើងជាទម្រង់នៃការរចនាពិសោធន៍ដោយចៃដន្យទាំងស្រុង (Completely Randomized Design) រួមជាមួយនឹងការវិភាគទិន្នន័យដើម្បីបែងចែកក្រុមពូជស្រូវ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Discriminant Analysis (Canonical Discriminant Function) ការវិភាគមុខងារបែងចែក (ការប្រើប្រាស់អនុគមន៍ Canonical) |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការចាត់ថ្នាក់ និងទស្សន៍ទាយក្រុមពូជស្រូវ ដោយប្រើប្រាស់អថេរនៃលក្ខណៈរូបសាស្ត្រតែមួយចំនួនតូចប៉ុណ្ណោះ។ | តម្រូវឱ្យមានការកំណត់ក្រុមជាមុន (ឧទាហរណ៍ ផ្អែកលើពណ៌ស្រទាប់ពន្លកដំបូង) និងទាមទារទិន្នន័យដែលមានលក្ខណៈជាលេខច្បាស់លាស់។ | អាចចាត់ថ្នាក់ពូជស្រូវបានត្រឹមត្រូវរហូតដល់ ៩៧,៦២% ទៅជាពីរក្រុមយ៉ាងច្បាស់លាស់។ |
| Cluster Analysis (Hierarchical clustering - Single linkage) ការវិភាគចង្កោម (តាមវិធីសាស្ត្រតភ្ជាប់ទោល) |
បង្ហាញយ៉ាងច្បាស់ពីទំនាក់ទំនង និងកម្រិតនៃភាពស្រដៀងគ្នារវាងពូជស្រូវនីមួយៗតាមរយៈគំនូសតាងមែកធាង (Dendrogram) ដោយមិនចាំបាច់កំណត់ក្រុមជាមុន។ | អាចមានភាពស្មុគស្មាញក្នុងការបកស្រាយនៅពេលមានចំនួនពូជស្រូវច្រើនពេក ហើយលទ្ធផលអាចប្រែប្រួលអាស្រ័យលើវិធីសាស្ត្រវាស់ចម្ងាយ (distance measure)។ | បង្កើតបានជាគំនូសតាងមែកធាងដែលបង្ហាញពីការបែងចែកជាក្រុមធំៗ ចំនួន២ និងក្រុមតូចៗជាច្រើនទៀតនៃពូជស្រូវទាំង ៤២ ប្រភេទ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានជាមូលដ្ឋានសម្រាប់ការពិសោធន៍កសិកម្មនៅក្នុងផ្ទះសំណាញ់ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគទិន្នន័យស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ពូជស្រូវក្នុងស្រុកចំនួន ៤២ ប្រភេទ មកពីខេត្តមុកដាហាន សកលនគរ និងរយអ៊េត ក្នុងតំបន់ឦសាននៃប្រទេសថៃ។ ទិន្នន័យនេះមានកម្រិតភូមិសាស្ត្រ និងលក្ខខណ្ឌអាកាសធាតុជាក់លាក់ ដែលអាចមានភាពខុសគ្នាពីពូជស្រូវនៅតំបន់ដទៃ។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីវិធីសាស្ត្រនេះមានសារៈសំខាន់ ព្រោះកម្ពុជាមានពូជស្រូវក្នុងស្រុករាប់ពាន់ប្រភេទ ដែលទាមទារការប្រមូលទិន្នន័យក្នុងស្រុកផ្ទាល់ខ្លួន ដើម្បីធានាបាននូវភាពត្រឹមត្រូវក្នុងការចាត់ថ្នាក់ និងអភិរក្ស។
វិធីសាស្ត្រវិភាគតាមបែបវត្តិករសាស្ត្រផ្អែកលើតួលេខនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការគ្រប់គ្រង និងអភិរក្សពូជស្រូវប្រពៃណីក្នុងប្រទេសកម្ពុជា។
ជារួម ការអនុវត្តគំរូស្ថិតិនេះនឹងជួយពង្រឹងសមត្ថភាពរបស់ស្ថាប័នកសិកម្មនៅកម្ពុជា ក្នុងការអភិរក្សធនធានសេនេទិចស្រូវប្រពៃណី និងគាំទ្រដល់ការអភិវឌ្ឍវិស័យកសិកម្មប្រកបដោយនិរន្តរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Numerical Taxonomy (វត្តិករសាស្ត្រផ្អែកលើតួលេខ) | វិធីសាស្ត្រចំណាត់ថ្នាក់ពូជរុក្ខជាតិ ឬសត្វ ដោយផ្អែកលើការប្រើប្រាស់វិធីសាស្ត្រស្ថិតិ និងគណិតវិទ្យាដើម្បីវិភាគទិន្នន័យនៃលក្ខណៈរូបសាស្ត្រច្រើនយ៉ាងក្នុងពេលតែមួយ ដើម្បីស្វែងរកកម្រិតនៃភាពស្រដៀងគ្នាយ៉ាងសុក្រឹត។ | ដូចជាការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រដើម្បីដាក់ពិន្ទុ និងចាត់ថ្នាក់សិស្សទៅតាមកម្រិតពិន្ទុមុខវិជ្ជាជាច្រើនចូលគ្នា ជំនួសឱ្យការវាយតម្លៃត្រឹមតែមុខវិជ្ជាមួយ។ |
| Discriminant Analysis (ការវិភាគមុខងារបែងចែក) | បច្ចេកទេសស្ថិតិពហុអថេរដែលប្រើដើម្បីស្វែងរកទម្រង់ ឬលក្ខណៈពិសេសដែលល្អបំផុតក្នុងការបែងចែក ឬទស្សន៍ទាយថាតើវត្ថុមួយគួរស្ថិតនៅក្នុងក្រុមណាមួយ ក្នុងចំណោមក្រុមដែលបានកំណត់ជាមុន។ | ដូចជាកម្មវិធីស្កេនមុខដែលរៀនចំណាំទម្រង់ភ្នែក និងច្រមុះ ដើម្បីបែងចែកថាតើរូបថតនេះជាមនុស្សប្រុស ឬមនុស្សស្រី។ |
| Cluster Analysis (ការវិភាគចង្កោម) | បច្ចេកទេសស្ថិតិដែលចាត់ថ្នាក់ទិន្នន័យទៅជាក្រុម (ចង្កោម) ដោយស្វ័យប្រវត្តិផ្អែកលើភាពស្រដៀងគ្នារបស់វា ដោយមិនមានការកំណត់ ឬប្រាប់កុំព្យូទ័រជាមុនថាតើវាមានប៉ុន្មានក្រុមនោះទេ។ | ដូចជាការឱ្យក្មេងម្នាក់រៀបចំគំនរផ្លែឈើដោយខ្លួនឯង ដោយគេយកផ្លែប៉ោម និងស៊ែរីដាក់មួយគំនរ (ព្រោះពណ៌ក្រហម) ហើយចេក និងស្វាយដាក់មួយគំនរទៀត (ពណ៌លឿង)។ |
| Coleoptile (ស្រទាប់ពន្លកដំបូង / កញ្ចុំស្លឹកដំបូង) | ជាស្រទាប់កោសិកាការពាររាងជាបំពង់ ដែលរុំព័ទ្ធពន្លកស្លឹកដំបូងរបស់រុក្ខជាតិអំបូរស្មៅ (ដូចជាស្រូវ) នៅពេលវាចាប់ផ្តើមដុះចេញពីគ្រាប់។ នៅក្នុងការសិក្សានេះ ពណ៌របស់វាត្រូវបានប្រើជាសញ្ញាណដ៏សំខាន់សម្រាប់បែងចែកក្រុមពូជស្រូវ។ | ដូចជាមួកសុវត្ថិភាព ឬស្រោមការពារដ៏ស្តើង ដែលពាក់ការពារក្បាលទារក (ពន្លកស្លឹក) ពេលទើបនឹងកើតចេញពីផ្ទៃម្តាយ (គ្រាប់ស្រូវ)។ |
| Dendrogram (ដ្យាក្រាមមែកធាង) | ជាគំនូសតាងរាងដូចមែកឈើ ដែលបង្ហាញពីលទ្ធផលនៃការវិភាគចង្កោម ដើម្បីមើលពីទំនាក់ទំនង ភាពស្រដៀងគ្នា និងគម្លាតរវាងក្រុមនីមួយៗនៃទិន្នន័យ (ដូចជាទំនាក់ទំនងរវាងពូជស្រូវទាំង ៤២ ប្រភេទ)។ | ដូចជាគំនូសតាងមែកធាងពង្សាវតារគ្រួសារ (Family tree) ដែលបង្ហាញថានរណាជាបងប្អូនបង្កើត និងនរណាជាបងប្អូនជីដូនមួយនឹងគ្នា។ |
| Morphological characters (លក្ខណៈរូបសាស្ត្រ) | លក្ខណៈរូបរាងខាងក្រៅនៃភាវៈរស់ដែលអាចមើលឃើញ និងវាស់វែងបាន ដូចជាពណ៌ស្លឹក ទំហំគ្រាប់ កម្ពស់ដើម និងរាងកញ្ចុំផ្កា ដែលអ្នកស្រាវជ្រាវយកមកកត់ត្រាដើម្បីប្រៀបធៀបក្នុងវត្តិករសាស្ត្រ។ | ដូចជាការពិពណ៌នាពីភិនភាគរបស់មនុស្សម្នាក់ ដូចជាពណ៌សម្បុរ កម្ពស់ ទម្រង់មុខ និងទម្ងន់។ |
| Canonical Discriminant Function (អនុគមន៍បែងចែក Canonical) | ជាសមីការគណិតវិទ្យាដែលបង្កើតឡើងពីការរួមបញ្ចូលគ្នានៃអថេរច្រើន (ដូចជាលក្ខណៈកម្ពស់ ពណ៌ របស់ដើមស្រូវ) ដើម្បីបង្កើតជាពិន្ទុតំណាងតែមួយ ដែលជួយទាញក្រុមផ្សេងៗឱ្យដាច់ពីគ្នាយ៉ាងច្បាស់បំផុតនៅលើក្រាហ្វិក។ | ដូចជារូបមន្តចម្អិនអាហារដែលលាយគ្រឿងផ្សំជាច្រើនមុខ (អថេរ) ក្នុងបរិមាណជាក់លាក់ ដើម្បីបង្កើតបានជារសជាតិប្លែកមួយ ដែលអាចឱ្យយើងភ្លក់ដឹងភ្លាមថាវាជាសម្លម្ជូរ ឬសម្លកកូរ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
