Original Title: Young Farmers' Utilization of Internet for Agricultural Purposes: Evidence from Chiang Mai Province, Thailand
Source: doi.org/10.36956/rwae.v5i2.1098
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប្រើប្រាស់អ៊ីនធឺណិតសម្រាប់គោលបំណងកសិកម្មរបស់កសិករវ័យក្មេង៖ ភស្តុតាងពីខេត្តឈៀងម៉ៃ ប្រទេសថៃ

ចំណងជើងដើម៖ Young Farmers' Utilization of Internet for Agricultural Purposes: Evidence from Chiang Mai Province, Thailand

អ្នកនិពន្ធ៖ Taveechai Khamtavee (Chiang Mai University), Juthathip Chalermphol (Chiang Mai University), Sukit Kanjina (Chiang Mai University), Ruth Sirisunyaluck (Chiang Mai University)

ឆ្នាំបោះពុម្ព៖ 2024, Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃគម្លាតព័ត៌មាននៅក្នុងសហគមន៍ជនបទ ដោយស្វែងយល់ពីកម្រិតនៃការប្រើប្រាស់អ៊ីនធឺណិតរបស់កសិករវ័យក្មេងសម្រាប់វិស័យកសិកម្ម និងកត្តាដែលជះឥទ្ធិពលដល់ការប្រើប្រាស់នេះ ដើម្បីលើកកម្ពស់ផលិតភាពកសិកម្ម។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់វិធីសាស្ត្របរិមាណតាមរយៈការស្ទង់មតិ និងការវិភាគទិន្នន័យស្ថិតិលើកសិករវ័យក្មេងនៅតំបន់គោលដៅ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Descriptive Statistics
ស្ថិតិពិពណ៌នា
ងាយស្រួលក្នុងការគណនា និងផ្តល់នូវរូបភាពសង្ខេបយ៉ាងច្បាស់លាស់អំពីប្រជាសាស្ត្រ និងអាកប្បកិរិយាទូទៅរបស់កសិករ។ មិនអាចវាស់ស្ទង់ ឬបញ្ជាក់ពីទំនាក់ទំនងស៊ីជម្រៅ (Causal relationship) រវាងកត្តាផ្សេងៗ និងកម្រិតនៃការប្រើប្រាស់អ៊ីនធឺណិតបានទេ។ បានរកឃើញថាកសិករ ១០០% មានស្មាតហ្វូនប្រើប្រាស់ និងភាគច្រើនប្រើកម្មវិធី LINE (៩០.០%) និង Facebook (៨៩.២%)។
Ordered Logistic Regression
ការវិភាគតំរែតំរង់ឡូជីស្ទីកតាមលំដាប់
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវិភាគលើអថេរអាស្រ័យដែលមានលក្ខណៈជាលំដាប់ (ទាប មធ្យម ខ្ពស់) និងអាចបញ្ជាក់ពីកម្រិតឥទ្ធិពលនៃកត្តានីមួយៗបានច្បាស់លាស់តាមរយៈ Odds Ratio។ ទាមទារឱ្យមានការធ្វើតេស្តលក្ខខណ្ឌតឹងរ៉ឹងមុនពេលវិភាគ ដូចជាការត្រួតពិនិត្យបញ្ហា Multicollinearity (កុំឱ្យអថេរឯករាជ្យមានទំនាក់ទំនងគ្នាខ្លាំងពេក)។ បានរកឃើញកត្តាធំៗចំនួន ៧ ដែលជះឥទ្ធិពលវិជ្ជមានដល់ការប្រើប្រាស់អ៊ីនធឺណិត ដូចជាការអប់រំ ការចូលជាសមាជិកអង្គការកសិកម្ម និងការជួបមន្ត្រីផ្សព្វផ្សាយ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះផ្តោតលើការស្រាវជ្រាវបែបសង្គម-សេដ្ឋកិច្ច ដែលទាមទារធនធានចម្បងលើការចុះប្រមូលទិន្នន័យនៅមូលដ្ឋាន និងចំណេះដឹងផ្នែកវិភាគស្ថិតិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះធ្វើឡើងតែនៅក្នុងស្រុកម៉ែចែម (Mae Chaem) ខេត្តឈៀងម៉ៃ ដោយផ្តោតតែលើក្រុម «កសិករវ័យក្មេង» (អាយុ ១៧-៤៥ ឆ្នាំ) ប៉ុណ្ណោះ ដែលអាចនឹងមិនតំណាងឱ្យកសិករវ័យចំណាស់ ឬប្រព័ន្ធកសិកម្មនៅតំបន់វាលទំនាបឡើយ។ សម្រាប់ប្រទេសកម្ពុជា ព័ត៌មាននេះមានសារៈសំខាន់ណាស់ ព្រោះកម្ពុជាមានចំនួនប្រជាជនវ័យក្មេងច្រើននៅតាមជនបទ ដែលមានទំនោរប្រើប្រាស់បច្ចេកវិទ្យាស្រដៀងគ្នានេះ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងរបកគំហើញនៃការសិក្សានេះ មានភាពពាក់ព័ន្ធ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ការអភិវឌ្ឍវិស័យកសិកម្មឌីជីថលនៅកម្ពុជា។

ជារួម ការប្រើប្រាស់បណ្តាញសង្គមដែលកសិករមានស្រាប់ រួមផ្សំជាមួយនឹងការគាំទ្រពីមន្ត្រីកសិកម្មនៅមូលដ្ឋាន គឺជាយុទ្ធសាស្ត្រដ៏មានប្រសិទ្ធភាព និងចំណាយតិចបំផុតក្នុងការធ្វើទំនើបកម្មកសិកម្មកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីវិធីសាស្ត្រជ្រើសរើសសំណាក និងរចនាកម្រងសំណួរ: ចាប់ផ្តើមដោយការរៀនប្រើប្រាស់រូបមន្ត Yamane's Formula ដើម្បីកំណត់ទំហំសំណាក និងបង្កើតកម្រងសំណួរដែលផ្តោតលើការប្រើប្រាស់ស្មាតហ្វូន កម្មវិធីសង្គម និងកត្តាប្រជាសាស្ត្ររបស់កសិករ។
  2. អនុវត្តការប្រមូលទិន្នន័យនៅតំបន់គោលដៅ: ជ្រើសរើសខេត្តគោលដៅណាមួយនៅកម្ពុជា (ឧ. បាត់ដំបង) ហើយចុះសម្ភាសន៍កសិករវ័យក្មេងដោយប្រើឧបករណ៍ប្រមូលទិន្នន័យឌីជីថលដូចជា KoboToolboxGoogle Forms ដើម្បីងាយស្រួលគ្រប់គ្រងទិន្នន័យ។
  3. សម្អាតទិន្នន័យ និងវិភាគស្ថិតិពិពណ៌នា: ប្រើប្រាស់កម្មវិធី SPSSExcel ដើម្បីរៀបចំទិន្នន័យ រកភាពខ្វះចន្លោះ និងទាញយកស្ថិតិជាភាគរយនៃការប្រើប្រាស់កម្មវិធី (ដូចជា Telegram, YouTube) សម្រាប់ជាមូលដ្ឋាននៃការវិភាគ។
  4. ស្ថាបនាម៉ូដែលកំណត់កត្តាឥទ្ធិពល (Ordered Logistic Regression): ប្រើប្រាស់កម្មវិធី StataR ដើម្បីដំណើរការវិភាគម៉ូដែល Ordered Logistic Regression ដោយត្រូវត្រួតពិនិត្យមើល Multicollinearity និងបកស្រាយលទ្ធផល Odds Ratio ដើម្បីស្វែងរកកត្តាដែលជះឥទ្ធិពលខ្លាំងជាងគេ។
  5. ចងក្រងរបាយការណ៍ និងផ្តល់អនុសាសន៍គោលនយោបាយ: សរសេររបាយការណ៍ស្រាវជ្រាវដោយផ្អែកលើលទ្ធផលស្ថិតិ និងស្នើជាយុទ្ធសាស្ត្រជាក់ស្តែងទៅកាន់ស្ថាប័នពាក់ព័ន្ធ ដូចជាការស្នើសុំឱ្យមានការបង្កើតវីដេអូបច្ចេកទេសកសិកម្មខ្លីៗនៅលើ TikTokFacebook ជាដើម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Information asymmetry (វិសមភាពព័ត៌មាន) ស្ថានភាពដែលភាគីម្ខាង (ឧទាហរណ៍ ឈ្មួញកណ្តាល) មានព័ត៌មានទូលំទូលាយ ឬច្បាស់លាស់ជាងភាគីម្ខាងទៀត (ឧទាហរណ៍ កសិករនៅជនបទ) ដែលធ្វើឱ្យអ្នកមានព័ត៌មានតិចជាងងាយនឹងខាតបង់ក្នុងការសម្រេចចិត្តឬការចរចាពាណិជ្ជកម្ម។ ដូចជាការទិញទូរស័ព្ទមួយទឹកដែលអ្នកលក់ដឹងពីប្រវត្តិខូចខាតច្បាស់លាស់ តែអ្នកទិញមិនដឹងទាល់តែសោះ។
Theory of Diffusion of Innovation (ទ្រឹស្តីនៃការសាយភាយនវានុវត្តន៍) ទ្រឹស្តីដែលពន្យល់ពីដំណើរការ ហេតុផល និងល្បឿនដែលគំនិត បច្ចេកវិទ្យា ឬរបកគំហើញថ្មីៗ ត្រូវបានផ្សព្វផ្សាយ និងទទួលយកដោយសមាជិកនៅក្នុងប្រព័ន្ធសង្គមណាមួយតាមពេលវេលាជាក់លាក់។ ដូចជាការសង្កេតមើលថាតើនិន្នាការម៉ូដសម្លៀកបំពាក់ថ្មីមួយ ចាប់ផ្តើមល្បីពីមនុស្សម្នាក់រហូតដល់មានមនុស្សពាក់ពេញប្រទេសយ៉ាងដូចម្តេច។
Ordered logistic regression (ការវិភាគតំរែតំរង់ឡូជីស្ទីកតាមលំដាប់) ជាវិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើប្រាស់ដើម្បីទស្សន៍ទាយ ឬស្វែងយល់ពីឥទ្ធិពលនៃកត្តាផ្សេងៗ (អថេរឯករាជ្យ) ទៅលើលទ្ធផលដែលមានលក្ខណៈជាលំដាប់ថ្នាក់ច្បាស់លាស់ (ឧទាហរណ៍៖ កម្រិតនៃការប្រើប្រាស់អ៊ីនធឺណិតគឺ ទាប មធ្យម ឬខ្ពស់)។ ដូចជាការប្រើប្រាស់រូបមន្តគណិតវិទ្យាដើម្បីទាយថាតើកត្តាអ្វីខ្លះ (ម៉ោងរៀន កម្រិតជីវភាព) ដែលធ្វើឱ្យសិស្សទទួលបាននិទ្ទេស A, B, ឬ C ។
Odds Ratio (ផលធៀបឱកាស) រង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតនៃប្រូបាប៊ីលីតេ (ឱកាស) ដែលព្រឹត្តិការណ៍មួយនឹងកើតឡើង បើធៀបនឹងព្រឹត្តិការណ៍មួយទៀត ក្នុងលក្ខខណ្ឌដែលកត្តាជំរុញណាមួយមានការប្រែប្រួល។ ដូចជាការនិយាយថា អ្នកពាក់មួកសុវត្ថិភាពមាន "ឱកាសរស់រានមានជីវិត ៣ ដង" ច្រើនជាងអ្នកមិនពាក់មួកនៅពេលមានគ្រោះថ្នាក់ចរាចរណ៍។
Marginal effects (ឥទ្ធិពលបន្ថែមបន្ទាប់បន្សំ) ការវាស់ស្ទង់ថាតើលទ្ធផល (អថេរអាស្រ័យ) នឹងប្រែប្រួលប៉ុន្មានភាគរយ ឬដល់កម្រិតណា នៅពេលដែលកត្តាជំរុញ (អថេរឯករាជ្យ) កើនឡើងមួយឯកតា ដោយរក្សាកត្តាផ្សេងៗទៀតទាំងអស់ឱ្យនៅថេរដដែល។ ដូចជាការគណនាថាតើការបន្ថែមជីចំនួន ១ គីឡូក្រាមទៀត នឹងជួយឱ្យទិន្នផលស្រូវកើនឡើងប៉ុន្មានគីឡូក្រាមជាក់ស្តែង។
Multicollinearity (ពហុអត្ថិភាព) បញ្ហានៅក្នុងការវិភាគស្ថិតិដែលកើតឡើងនៅពេលដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាយ៉ាងខ្លាំង ដែលធ្វើឱ្យម៉ូដែលគណិតវិទ្យាពិបាកកំណត់ថាតើអថេរមួយណាពិតជាមានឥទ្ធិពលពិតប្រាកដទៅលើលទ្ធផល។ ដូចជាការស្តាប់មនុស្សពីរនាក់និយាយរឿងតែមួយព្រមៗគ្នា ដែលធ្វើឱ្យយើងពិបាកបែងចែកថាតើសំឡេងនរណាជាអ្នកផ្តល់ព័ត៌មានពិតប្រាកដ។
Purposive sampling (ការជ្រើសរើសសំណាកដោយមានគោលដៅ) វិធីសាស្ត្រជ្រើសរើសអ្នកចូលរួមក្នុងការស្រាវជ្រាវ ដោយផ្អែកលើលក្ខណៈវិនិច្ឆ័យជាក់លាក់ណាមួយ ដែលអ្នកស្រាវជ្រាវគិតថាស័ក្តិសមបំផុតសម្រាប់ឆ្លើយតបនឹងគោលបំណងនៃការសិក្សា ជាជាងការជ្រើសរើសដោយចៃដន្យ។ ដូចជាការជ្រើសរើសយកតែសិស្សដែលមានកម្ពស់លើស ១,៧០ ម៉ែត្រ ដើម្បីមកបង្កើតក្រុមបាល់បោះប្រចាំសាលា។
Network Readiness Index (សន្ទស្សន៍ត្រៀមលក្ខណៈបណ្តាញ) សូចនាករអន្តរជាតិដែលវាយតម្លៃពីកម្រិតនៃការត្រៀមខ្លួន និងសមត្ថភាពរបស់ប្រទេសមួយក្នុងការទាញយកអត្ថប្រយោជន៍ពីបច្ចេកវិទ្យាព័ត៌មាន និងទំនាក់ទំនង (ICT) សម្រាប់ការអភិវឌ្ឍសេដ្ឋកិច្ច និងសង្គម។ ដូចជាពិន្ទុប្រឡងប្រចាំឆ្នាំរបស់ប្រទេសនីមួយៗ ដែលបង្ហាញថាប្រទេសណាពូកែខាងប្រើប្រាស់បច្ចេកវិទ្យា និងអ៊ីនធឺណិតជាងគេ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖