Original Title: Changing Perceptions and Uses of “Companion Animal” Public and Pseudo-Public Spaces in Cities during COVID-19 Pandemic: The Case of Beijing
Source: doi.org/10.3390/land11091475
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការផ្លាស់ប្តូរការយល់ឃើញ និងការប្រើប្រាស់ទីធ្លាសាធារណៈ និងពាក់កណ្តាលសាធារណៈសម្រាប់ "សត្វចិញ្ចឹម" នៅក្នុងទីក្រុងកំឡុងពេលជំងឺរាតត្បាតកូវីដ-១៩៖ ករណីសិក្សានៅទីក្រុងប៉េកាំង

ចំណងជើងដើម៖ Changing Perceptions and Uses of “Companion Animal” Public and Pseudo-Public Spaces in Cities during COVID-19 Pandemic: The Case of Beijing

អ្នកនិពន្ធ៖ Haoxian Cai (School of Landscape Architecture, Beijing Forestry University), Wei Duan (School of Landscape Architecture, Beijing Forestry University)

ឆ្នាំបោះពុម្ព៖ 2022 Land

វិស័យសិក្សា៖ Landscape Architecture and Urban Planning

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយការជជែកវែកញែកអំពីទីកន្លែងសម្រាប់សត្វចិញ្ចឹមនៅក្នុងទីក្រុងរបស់ប្រទេសចិន និងរបៀបដែលជំងឺរាតត្បាតកូវីដ-១៩ បានផ្លាស់ប្តូរការយល់ឃើញ ព្រមទាំងការប្រើប្រាស់ទីធ្លាសាធារណៈ និងពាក់កណ្តាលសាធារណៈទាំងនេះ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះរួមបញ្ចូលគ្នានូវវិធីសាស្ត្រស្រាវជ្រាវបរិមាណ និងគុណភាព ដោយផ្អែកលើទិន្នន័យធំពីបណ្តាញសង្គម រួមជាមួយនឹងការសម្ភាសន៍ដោយផ្ទាល់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Social Media Big Data Analysis (NLP & Sentiment Analysis)
ការវិភាគទិន្នន័យធំបណ្តាញសង្គម (ការវិភាគភាសាធម្មជាតិ និងការវាយតម្លៃមនោសញ្ចេតនា)
អាចប្រមូលទិន្នន័យបានច្រើនសន្ធឹកសន្ធាប់ និងរហ័ស ដែលឆ្លុះបញ្ចាំងពីមតិសាធារណៈ និងប្រតិកម្មក្នុងពេលជាក់ស្តែង។ អាចមានភាពលំអៀង និងមិនតំណាងឱ្យប្រជាជនទូទៅ ដោយសារវាផាត់ចោលអ្នកដែលមិនសូវប្រើប្រាស់បណ្តាញសង្គមអ៊ីនធឺណិត។ រកឃើញការកើនឡើងនៃមនោសញ្ចេតនាអវិជ្ជមាន ១០.២៤% កំឡុងពេលមានជំងឺរាតត្បាត។
GIS Spatial Analysis
ការវិភាគលំហភូមិសាស្ត្រ (ការប្រើប្រាស់ប្រព័ន្ធ GIS)
អាចកំណត់ទីតាំងភូមិសាស្ត្រ និងបង្កើតផែនទីកម្ដៅ (Heat map) ផ្តល់រូបភាពច្បាស់លាស់ពីបម្រែបម្រួលនៃការប្រើប្រាស់ទីធ្លាក្នុងទីក្រុង។ ពឹងផ្អែកយ៉ាងខ្លាំងលើការកត់សម្គាល់ទីតាំង (Geotagging) របស់អ្នកប្រើប្រាស់ ដែលទិន្នន័យអាចមានកម្រិត ឬមិនច្បាស់លាស់១០០%។ បង្ហាញពីការធ្លាក់ចុះនៃការប្រើប្រាស់ទីធ្លាពាក់កណ្តាលសាធារណៈ និងការកើនឡើងការប្រើប្រាស់ទីធ្លាបៃតងនៅជាយក្រុង។
Semi-structured In-depth Interviews
ការសម្ភាសន៍ស៊ីជម្រៅពាក់កណ្តាលរចនាសម្ព័ន្ធ
ផ្តល់ព័ត៌មានលម្អិត និងស៊ីជម្រៅអំពីមូលហេតុផ្លូវចិត្ត និងជួយផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃទិន្នន័យធំ (Big Data)។ ទំហំសំណាកតូច (ត្រឹមតែ ១២ នាក់) និងចំណាយពេលច្រើនក្នុងការសម្ភាសន៍ ធ្វើឱ្យពិបាកក្នុងការទាញសេចក្តីសន្និដ្ឋានទូទៅ។ បញ្ជាក់ពីមូលហេតុនៃការបាក់ទឹកចិត្ត និងការផ្លាស់ប្តូរអាកប្បកិរិយា ដោយសារការរឹតត្បិតកន្លែងដើរលេង និងហានិភ័យឆ្លងជំងឺ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានចម្រុះ រួមមានកម្មវិធីកុំព្យូទ័រសម្រាប់ការទាញយក និងវិភាគទិន្នន័យ ក៏ដូចជាធនធានមនុស្សដែលមានជំនាញពហុវិស័យក្នុងការវិភាគបរិមាណ និងគុណភាព។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតតែលើទីក្រុងប៉េកាំង ដោយប្រើប្រាស់ទិន្នន័យពីអ្នកប្រើប្រាស់បណ្តាញសង្គមវ័យក្មេង និងម្ចាស់សត្វចិញ្ចឹមត្រឹមតែ ១២ នាក់ប៉ុណ្ណោះ។ នេះមានន័យថាវាខ្វះតំណាងពីប្រជាជនចំណាស់ អ្នកមិនប្រើអ៊ីនធឺណិត និងប្រជាជននៅតំបន់ជនបទ។ សម្រាប់ប្រទេសកម្ពុជា បរិបទនៃការរៀបចំទីក្រុង វប្បធម៌នៃការចិញ្ចឹមសត្វ និងការនិយមប្រើប្រាស់បណ្តាញសង្គម (ផ្តោតលើ Facebook និង TikTok ជំនួសឱ្យ Weibo) គឺមានភាពខុសគ្នាស្រឡះ ដែលទាមទារការកែសម្រួលយ៉ាងប្រុងប្រយ័ត្នមុននឹងអនុវត្ត។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាបរិបទខុសគ្នាក៏ដោយ វិធីសាស្ត្រស្រាវជ្រាវចម្រុះនេះមានសក្តានុពលខ្លាំងសម្រាប់ការរៀបចំផែនការទីក្រុង និងការសិក្សាពីសង្គមវិទ្យានៅកម្ពុជា។

ជារួម ការច្របាច់បញ្ចូលគ្នារវាងទិន្នន័យបណ្តាញសង្គម ការវិភាគភូមិសាស្ត្រ (GIS) និងការស្ទង់មតិផ្ទាល់ គឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពសម្រាប់អ្នករៀបចំគោលនយោបាយនៅកម្ពុជា ក្នុងការឆ្លើយតបទៅនឹងតម្រូវការសង្គមដែលចេះតែវិវឌ្ឍ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាអំពីបច្ចេកទេសប្រមូលទិន្នន័យ (Data Scraping): និស្សិតត្រូវរៀនសរសេរកូដ Python ដោយប្រើប្រាស់បណ្ណាល័យដូចជា BeautifulSoupSelenium ដើម្បីទាញយកទិន្នន័យអត្ថបទ និងទីតាំង (Geotags) ពីបណ្តាញសង្គមពេញនិយមនៅកម្ពុជាដូចជា Facebook និង Telegram Channels។
  2. អនុវត្តការវិភាគភាសាធម្មជាតិសម្រាប់ភាសាខ្មែរ (Khmer NLP): ផ្តើមប្រើប្រាស់ឧបករណ៍បែងចែកពាក្យខ្មែរ (Word segmentation) ដូចជា Khmer NLTKSeang ដើម្បីរៀបចំទិន្នន័យ ព្រមទាំងប្រើប្រាស់បច្ចេកទេស Sentiment Analysis ដើម្បីស្ទង់មើលមនោសញ្ចេតនា (វិជ្ជមាន អវិជ្ជមាន) របស់សាធារណជនជុំវិញប្រធានបទណាមួយ។
  3. រៀនប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS Mapping): ដំឡើងនិងអនុវត្តជាមួយកម្មវិធីបើកទូលាយ QGISArcGIS ដើម្បីទាញយកទិន្នន័យទីតាំង (Coordinates) ទៅបង្កើតជា Kernel Density Heat Maps ដែលបង្ហាញពីចំណុចប្រមូលផ្តុំនៃការប្រើប្រាស់ទីធ្លាក្នុងរាជធានីភ្នំពេញ។
  4. រៀបចំរចនាសម្ព័ន្ធនៃការស្រាវជ្រាវគុណភាព (Qualitative Research): រៀនពីរបៀបរចនាសំណួរសម្ភាសន៍ស៊ីជម្រៅ (Semi-structured interviews) ដោយអនុវត្តតាមទ្រឹស្តីវិភាគអាកប្បកិរិយា ដូចជា COM-B Model ដើម្បីស្វែងយល់ពីឱកាស សមត្ថភាព និងការលើកទឹកចិត្តដែលនាំឱ្យមានការផ្លាស់ប្តូរអាកប្បកិរិយារបស់ប្រជាជនក្នុងសង្គម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
pseudo-public space ទីធ្លាដែលមើលទៅដូចជាកន្លែងសាធារណៈសម្រាប់ឱ្យមនុស្សទូទៅប្រើប្រាស់ទូលំទូលាយ ប៉ុន្តែតាមពិតវាជាកម្មសិទ្ធិឯកជន និងត្រូវបានគ្រប់គ្រងដោយក្រុមហ៊ុន ឬបុគ្គលឯកជន (ឧទាហរណ៍៖ សួនច្បារមុខផ្សារទំនើប ឬទីធ្លាមុខអគារពាណិជ្ជកម្ម) ដែលគេអាចកំណត់ច្បាប់រឹតត្បិតបាន។ ដូចជាទីធ្លាមុខផ្សារទំនើបអ៊ីអន ដែលអ្នកណាៗក៏អាចដើរលេងបាន តែសន្តិសុខរបស់ផ្សារមានសិទ្ធិដេញអ្នកចេញបើអ្នកបំពានបទបញ្ជារបស់គេ (ឧទាហរណ៍ការហាមឃាត់មិនឱ្យបណ្តើរឆ្កែចូល)។
Natural Language Processing (NLP) បច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) ដែលជួយឱ្យកុំព្យូទ័រអាចអាន យល់ និងបកស្រាយភាសារបស់មនុស្សដែលបានសរសេរនៅលើបណ្តាញសង្គម ដើម្បីទាញយកអត្ថន័យ ពាក្យគន្លឹះសំខាន់ៗ និងរបៀបដែលមនុស្សនិយាយទាក់ទងគ្នា។ ដូចជាការបង្រៀនកូនក្មេងឱ្យចេះអានសៀវភៅរាប់ម៉ឺនក្បាលក្នុងពេលតែមួយភ្លែត រួចប្រាប់យើងវិញថាសៀវភៅទាំងនោះនិយាយពីអ្វីខ្លះដោយស្វ័យប្រវត្តិ។
Sentiment analysis ការវិភាគទិន្នន័យអត្ថបទដើម្បីកំណត់ថាតើមនោសញ្ចេតនា ឬអារម្មណ៍របស់អ្នកសរសេរមានលក្ខណៈវិជ្ជមាន (សប្បាយចិត្ត/គាំទ្រ) អវិជ្ជមាន (ខឹង/ត្អូញត្អែរ/បាក់ទឹកចិត្ត) ឬអព្យាក្រឹត (ធម្មតា) តាមរយៈការកាត់ន័យលើពាក្យពេចន៍ដែលពួកគេប្រើប្រាស់។ ដូចជាការស្តាប់សំឡេងមិត្តភក្តិនិយាយតាមទូរស័ព្ទ ហើយយើងអាចទាយដឹងភ្លាមៗថាគេកំពុងសប្បាយចិត្ត ឬកំពុងខឹង ទោះបីយើងមិនបានឃើញមុខគេក៏ដោយ។
kernel density analysis វិធីសាស្ត្រវិភាគក្នុងប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) ដែលគណនា និងបង្ហាញពីកម្រិតភាពកកកុញនៃទិន្នន័យទីតាំងណាមួយ ដោយបង្កើតជាផែនទីកម្ដៅ (Heat map) ដើម្បីរំលេចតំបន់ដែលមានសកម្មភាពច្រើនជាងគេបំផុត។ ដូចជាការមើលផែនទីព្យាករណ៍អាកាសធាតុ ដែលកន្លែងពណ៌ក្រហមចាស់បង្ហាញពីតំបន់ដែលក្តៅខ្លាំង ឬមានភ្លៀងធ្លាក់ខ្លាំងជាងគេ រីឯកន្លែងពណ៌ខៀវមានន័យថាធម្មតា។
COM-B behavioural model ទ្រឹស្តីចិត្តសាស្ត្រដែលពន្យល់ពីការផ្លាស់ប្តូរអាកប្បកិរិយារបស់មនុស្ស ដោយផ្អែកលើអន្តរកម្មនៃកត្តាធំៗបីគឺ៖ សមត្ថភាព (Capability) ឱកាស (Opportunity) និងការលើកទឹកចិត្ត (Motivation) ដូចដែលបានអនុវត្តលើការផ្លាស់ប្តូរទម្លាប់ដើរលេងរបស់ម្ចាស់សត្វចិញ្ចឹមពេលកូវីដ-១៩។ ដើម្បីឱ្យសិស្សម្នាក់ប្រឡងជាប់ គេត្រូវមានទាំងកម្លាំងរាងកាយនិងប្រាជ្ញា (សមត្ថភាព) មានសៀវភៅនិងពេលវេលារៀន (ឱកាស) និងមានមហិច្ឆតាចង់ប្រឡងជាប់ (ការលើកទឹកចិត្ត)។
Semantic network analysis ការវិភាគស្វែងរកទំនាក់ទំនងរវាងពាក្យ ឬគំនិតនានានៅក្នុងអត្ថបទធំៗ ដើម្បីមើលថាតើពាក្យណាខ្លះដែលត្រូវបានគេប្រើប្រាស់រួមគ្នាញឹកញាប់ ហើយបង្កើតបានជារូបភាពបណ្តាញទំនាក់ទំនងដែលបង្ហាញពីប្រធានបទគោលដែលសង្គមកំពុងចាប់អារម្មណ៍។ ដូចជាការគូរខ្សែភ្ជាប់ចំណងទាក់ទងរវាងមនុស្សនៅក្នុងភូមិមួយ ដើម្បីមើលថាតើនរណាស្គាល់នរណាខ្លះ ហើយនរណាជាមនុស្សកណ្តាលដែលគេស្គាល់ច្រើនជាងគេ។
Python web crawler កម្មវិធីកុំព្យូទ័រដែលសរសេរឡើងដោយភាសាកូដ Python សម្រាប់ដើរប្រមូលទិន្នន័យ (ដូចជាអត្ថបទ រូបភាព ឬទីតាំង) ពីគេហទំព័រ ឬបណ្តាញសង្គមនានាដោយស្វ័យប្រវត្តិ ក្នុងល្បឿនលឿន និងទំហំធំដើម្បីយកមកធ្វើការស្រាវជ្រាវ។ ដូចជាការបញ្ជូនមនុស្សយន្តតូចៗរាប់ពាន់គ្រឿងឱ្យចូលទៅអាន និងចម្លងព័ត៌មានពីសៀវភៅគ្រប់ក្បាលនៅក្នុងបណ្ណាល័យ រួចយកមកប្រមូលទុកក្នុងកុំព្យូទ័ររបស់យើងយ៉ាងរហ័ស។
Semi-structured in-depth interviews ទម្រង់នៃការសម្ភាសន៍ស្រាវជ្រាវដែលមានសំណួរគោលរៀបចំទុកជាមុនខ្លះៗ ប៉ុន្តែបើកចំហរទូលាយឱ្យអ្នកសម្ភាសន៍អាចសួរសំណួរបន្ថែម ឬបត់បែនតាមចម្លើយរបស់អ្នកផ្តល់បទសម្ភាសន៍ ដើម្បីជីកកកាយរកព័ត៌មានលម្អិត និងមូលហេតុស៊ីជម្រៅពីក្រោយបញ្ហាណាមួយ។ ដូចជាការជជែកគ្នាលេងជាមួយមិត្តភក្តិដោយមានប្រធានបទច្បាស់លាស់ក្នុងចិត្ត តែយើងអាចសួរដេញដោលបន្ថែមតាមដំណើររឿងដែលគេនិយាយ ច្រើនជាងការសួរដេញដោលដូចប៉ូលីសសួរចម្លើយតាមក្រដាស។
Anthropocentrism ទស្សនៈ ឬជំនឿសង្គមដែលចាត់ទុកថាមនុស្សគឺជាមជ្ឈមណ្ឌលនៃសកលលោក ឬជាសត្វលោកដែលសំខាន់ជាងគេបំផុត ដោយជាន់ឈ្លីអត្ថិភាព និងមិនខ្វល់ពីសិទ្ធិរស់រានរបស់សត្វ ឬធម្មជាតិឡើយ (ឧទាហរណ៍៖ ការសម្លាប់សត្វចិញ្ចឹមដើម្បីតែការពារការឆ្លងកូវីដមកមនុស្ស)។ ដូចជាមនុស្សអាត្មានិយមម្នាក់ដែលគិតតែពីប្រយោជន៍ខ្លួនឯង និងសុខទុក្ខរបស់គ្រួសារខ្លួនឯង ដោយមិនខ្វល់ពីការឈឺចាប់របស់អ្នកដទៃ ឬសត្វលោកដែលនៅជុំវិញខ្លួន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖