Original Title: Impact of COVID-19 on Food Consumption and Dietary Behavior in South Korea
Source: doi.org/10.56669/FGPQ4980
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ផលប៉ះពាល់នៃជំងឺកូវីដ-១៩ ទៅលើការទទួលទានអាហារ និងឥរិយាបថរបបអាហារនៅប្រទេសកូរ៉េខាងត្បូង

ចំណងជើងដើម៖ Impact of COVID-19 on Food Consumption and Dietary Behavior in South Korea

អ្នកនិពន្ធ៖ Seong-yong Shin, Korea Rural Economic Institute, Sanghyo Kim, Korea Rural Economic Institute

ឆ្នាំបោះពុម្ព៖ 2021 FFTC Journal of Agricultural Policy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះស្រាវជ្រាវពីរបៀបដែលការរីករាលដាលនៃជំងឺកូវីដ-១៩ និងការស្ទាក់ស្ទើរក្នុងការជួបប្រាស្រ័យទាក់ទងដោយផ្ទាល់ (Reluctance to contact) បានផ្លាស់ប្តូរឥរិយាបថនៃការទទួលទានអាហារ និងជះឥទ្ធិពលដល់ឧស្សាហកម្មម្ហូបអាហារនៅប្រទេសកូរ៉េខាងត្បូង។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យស្ទង់មតិអតិថិជនតាមប្រព័ន្ធអនឡាញរួមបញ្ចូលជាមួយនឹងទិន្នន័យលក់រាយ ដើម្បីវិភាគពីបំរែបំរួលនៃការទិញទំនិញ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Ordered Logit Analysis (Consumer Survey Data)
ការវិភាគតក្កវិជ្ជាតាមលំដាប់ (ទិន្នន័យស្ទង់មតិអតិថិជន)
អាចវាស់វែងពីកម្រិតនៃចេតនា ឬការផ្លាស់ប្តូរអាកប្បកិរិយាផ្ទាល់ខ្លួនរបស់អតិថិជនដោយផ្អែកលើកត្តាប្រជាសាស្ត្រ (អាយុ ភេទ ប្រាក់ចំណូល) និងកម្រិតនៃការចៀសវាងការប៉ះពាល់ (RTC)។ ពឹងផ្អែកលើការឆ្លើយតបដោយខ្លួនឯង (Self-reported) ដែលអាចមានភាពលម្អៀង ឬខុសពីអាកប្បកិរិយាជាក់ស្តែង។ បានរកឃើញថា RTC មានឥទ្ធិពលខ្លាំងក្នុងការកាត់បន្ថយការទិញទំនិញផ្ទាល់ (Offline) និងការញ៉ាំអាហារនៅហាង ប៉ុន្តែបង្កើនការទិញតាមអនឡាញ (Online)។
Retail POS Data Analysis (Nielsen Korea)
ការវិភាគទិន្នន័យលក់រាយ (ទិន្នន័យ POS ពី Nielsen Korea)
ផ្តល់នូវទិន្នន័យជាក់ស្តែង និងសត្យានុម័តអំពីបរិមាណលក់ និងនិន្នាការទីផ្សារពិតប្រាកដ ដោយគ្មានការលម្អៀងពីការចងចាំរបស់អ្នកឆ្លើយតប។ មិនអាចផ្តល់ព័ត៌មានលម្អិតអំពីលក្ខណៈប្រជាសាស្ត្រ ឬមូលហេតុស៊ីជម្រៅនៅពីក្រោយការសម្រេចចិត្តទិញរបស់អតិថិជនម្នាក់ៗឡើយ។ បានបញ្ជាក់ថាការលក់នៅផ្សារទំនើបធំៗ (Hypermarkets) ធ្លាក់ចុះ ៤,៨% ខណៈហាងតូចៗក្បែរផ្ទះ និងផ្សារអនឡាញមានកំណើនលក់កើនឡើងគួរកត់សម្គាល់។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានចាំបាច់មួយចំនួនដូចជា ទិន្នន័យស្ទង់មតិអតិថិជនតាមប្រព័ន្ធអនឡាញ ទិន្នន័យលក់រាយពីទីផ្សារ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិកម្រិតខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅប្រទេសកូរ៉េខាងត្បូងក្នុងអំឡុងពេលផ្ទុះជំងឺកូវីដ-១៩ ដំណាក់កាលដំបូង ដោយផ្តោតលើអ្នកប្រើប្រាស់អ៊ីនធឺណិត និងមិនបានរាប់បញ្ចូលមនុស្សចាស់អាយុលើសពី ៦០ ឆ្នាំឡើយ។ សម្រាប់ប្រទេសកម្ពុជា ការពឹងផ្អែកលើការទិញអនឡាញភាគច្រើនមានតែនៅតាមទីក្រុងធំៗ ខណៈប្រជាជននៅតាមជនបទនៅតែពឹងផ្អែកខ្លាំងលើផ្សារប្រពៃណី (Wet markets) ដែលធ្វើឱ្យលទ្ធផលនេះមិនអាចឆ្លុះបញ្ចាំងពីបរិបទកម្ពុជាបានទាំងស្រុងនោះទេ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាបរិបទសង្គមខុសគ្នាក៏ពិតមែន ប៉ុន្តែវិធីសាស្ត្រនៃការសិក្សានេះមានប្រយោជន៍ខ្លាំងសម្រាប់ការវិភាគពីការផ្លាស់ប្តូរនិន្នាការទីផ្សារម្ហូបអាហារ និងការកើនឡើងនៃពាណិជ្ជកម្មអេឡិចត្រូនិកនៅកម្ពុជា។

សរុបមក ការយល់ដឹងពីការវិវឌ្ឍនៃអាកប្បកិរិយាអតិថិជននេះ នឹងជួយដល់រាជរដ្ឋាភិបាល និងវិស័យឯកជនកម្ពុជាក្នុងការរៀបចំយុទ្ធសាស្ត្រអភិវឌ្ឍន៍ទីផ្សារឌីជីថល និងសន្តិសុខស្បៀងក្រោយវិបត្តិកូវីដ-១៩។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃម៉ូដែលតក្កវិជ្ជា (Logit Models): និស្សិតត្រូវសិក្សាពីវិធីសាស្ត្រ Ordered Logit Regression ដើម្បីស្វែងយល់ពីការវិភាគទិន្នន័យដែលមានលក្ខណៈជាចំណាត់ថ្នាក់ (Ordinal data) ដោយប្រើប្រាស់កម្មវិធី StataPython (statsmodels)
  2. ការរចនាការស្ទង់មតិអតិថិជន (Consumer Survey Design): រៀបចំកម្រងសំណួរស្ទង់មតិដែលទាក់ទងនឹងអាកប្បកិរិយានៃការទិញទំនិញ និងការទទួលទានអាហារ ដោយប្រើប្រាស់ឧបករណ៍ប្រមូលទិន្នន័យដូចជា QualtricsKoboToolbox
  3. ការប្រមូល និងចងក្រងទិន្នន័យទីផ្សារ (Market Data Integration): ស្វែងរកកិច្ចសហការជាមួយភោជនីយដ្ឋានក្នុងស្រុក ឬផ្សារទំនើប ដើម្បីទទួលបានទិន្នន័យលក់រាយ (POS Data) សម្រាប់យកមកផ្ទៀងផ្ទាត់ជាមួយទិន្នន័យដែលបានពីការស្ទង់មតិ។
  4. ការវិភាគទិន្នន័យចម្រុះ (Triangulated Data Analysis): ដំណើរការវិភាគទិន្នន័យរួមបញ្ចូលគ្នាដោយត្រួតពិនិត្យលើអថេរផ្សេងៗ (អាយុ ទីតាំង ចំណូល) ដើម្បីវាយតម្លៃពីផលប៉ះពាល់នៃកត្តាខាងក្រៅមកលើការផ្លាស់ប្តូរអាកប្បកិរិយា ដោយប្រើ R (ggplot2) សម្រាប់បង្ហាញទិន្នន័យ។
  5. ការទាញយកអនុសាសន៍គោលនយោបាយ និងអាជីវកម្ម: សរសេររបាយការណ៍សង្ខេបដែលផ្តល់ជាយុទ្ធសាស្ត្រជាក់ស្តែងដល់ម្ចាស់អាជីវកម្មក្នុងស្រុក អំពីរបៀបកែសម្រួលសេវាកម្ម (ឧ. ការពង្រីកសេវាអនឡាញ) ទៅតាមនិន្នាការថ្មីរបស់អតិថិជន។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Ordered Logit Analysis (ការវិភាគតក្កវិជ្ជាតាមលំដាប់) ជាវិធីសាស្ត្រស្ថិតិមួយប្រភេទដែលប្រើសម្រាប់ទស្សន៍ទាយ ឬវិភាគលើទិន្នន័យដែលមានលក្ខណៈជាចំណាត់ថ្នាក់តាមលំដាប់ (ឧទាហរណ៍៖ ចម្លើយពីកម្រិតទី១ "មិនយល់ព្រមទាល់តែសោះ" ដល់កម្រិតទី៧ "យល់ព្រមខ្លាំងបំផុត") ដើម្បីស្វែងយល់ពីកត្តាដែលជះឥទ្ធិពលដល់ជម្រើសទាំងនោះ។ ដូចជាការប្រើប្រាស់រូបមន្តគណិតវិទ្យាដើម្បីទាយមើលថា តើកត្តាអ្វីខ្លះ (ដូចជាអាយុ ឬចំណូល) ធ្វើឱ្យមនុស្សម្នាក់រើសយកចម្លើយលេខ១ លេខ២ ឬលេខ៣ លើកម្រងសំណួរស្ទង់មតិ។
Reluctance to Contact / RTC (ការស្ទាក់ស្ទើរក្នុងការប៉ះពាល់ ឬទំនាក់ទំនង) គឺជាកម្រិតនៃភាពភ័យខ្លាច ឬការមិនចង់ប្រាស្រ័យទាក់ទងដោយផ្ទាល់ជាមួយអ្នកដទៃក្នុងអំឡុងពេលមានជំងឺឆ្លង ដែលជះឥទ្ធិពលដល់ការផ្លាស់ប្តូរអាកប្បកិរិយាប្រចាំថ្ងៃ ដូចជាការឈប់ទៅញ៉ាំអាហារនៅហាង ហើយងាកមកកម្ម៉ង់តាមអនឡាញវិញ។ ដូចជាអារម្មណ៍ដែលយើងខ្លាចឆ្លងជំងឺកូវីដ ទើបយើងសុខចិត្តនៅផ្ទះ ហើយបញ្ជាទិញឥវ៉ាន់តាមទូរស័ព្ទជំនួសឱ្យការដើរទៅទិញ និងជួបមនុស្សផ្ទាល់នៅតាមទីផ្សារ។
Home Meal Replacement / HMR (អាហារជំនួសការចម្អិននៅផ្ទះ) សំដៅលើផលិតផលអាហារដែលត្រូវបានចម្អិនរួចរាល់ ឬរៀបចំគ្រឿងទេសជាស្រេច ដែលអតិថិជនគ្រាន់តែយកទៅកម្តៅ ឬចម្អិនបន្តិចបន្តួចនៅផ្ទះក៏អាចបរិភោគបានភ្លាមៗ ដោយសន្សំសំចៃពេលវេលា។ ដូចជាកញ្ចប់មីស៊ុប ឬប្រអប់បាយកកនៅក្នុងទូទឹកកកផ្សារម៉ាត ដែលយើងគ្រាន់តែដាក់ក្នុងម៉ាស៊ីនកម្តៅ (Microwave) រយៈពេល២នាទី គឺអាចញ៉ាំបានតែម្តង ដោយមិនបាច់ហាន់សាច់ ឬលាងបន្លែឡើយ។
Point of Sales Data / POS Data (ទិន្នន័យចំណុចលក់) ជាទិន្នន័យជាក់ស្តែងដែលប្រមូលបានពីម៉ាស៊ីនគិតលុយនៅតាមហាង ឬផ្សារទំនើប ដែលកត់ត្រាពីបរិមាណ ទំហំទឹកប្រាក់ និងប្រភេទមុខទំនិញដែលអតិថិជនបានទិញជារៀងរាល់ថ្ងៃ។ ដូចជាវិក្កយបត្រវែងៗដែលអ្នកគិតលុយហែកឱ្យយើង ដែលប្រព័ន្ធកុំព្យូទ័ររបស់ហាងយកវាទៅបូកសរុបដើម្បីវិភាគមើលថា ថ្ងៃនេះហាងលក់ទំនិញអ្វីដាច់ជាងគេ។
Risk Perception (ការយល់ឃើញពីហានិភ័យ) គឺជាការវាយតម្លៃ ឬក្តីបារម្ភជាលក្ខណៈបុគ្គល ឬសង្គមទៅលើកម្រិតនៃគ្រោះថ្នាក់អ្វីមួយ (ឧ. ការឆ្លងជំងឺកូវីដ-១៩) ដែលអាចមានភាពខុសគ្នាពីហានិភ័យជាក់ស្តែង អាស្រ័យលើបរិមាណនៃការទទួលព័ត៌មាន និងបទពិសោធន៍របស់ពួកគេ។ ដូចជាពេលយើងមើលព័ត៌មានឃើញគេផ្សាយពីគ្រោះថ្នាក់ចរាចរណ៍ច្រើនដង យើងចាប់ផ្តើមមានអារម្មណ៍ខ្លាចមិនហ៊ានជិះម៉ូតូ ទោះបីជាការពិតផ្លូវដែលយើងជិះមិនសូវមានគ្រោះថ្នាក់ក៏ដោយ។
Hypermarket (ផ្សារទំនើបខ្នាតធំ) គឺជាហាងលក់ទំនិញរាយខ្នាតធំសម្បើម ដែលរួមបញ្ចូលគ្នារវាងផ្សារទំនើបលក់គ្រឿងទេស (Supermarket) និងហាងលក់ទំនិញទូទៅ (Department store) ដោយមានលក់ទំនិញគ្រប់ប្រភេទនៅក្រោមដំបូលតែមួយ និងមានមនុស្សចេញចូលច្រើន។ ដូចជាផ្សារទំនើបអ៊ីអន (AEON Mall) ដែលលក់ទំនិញចម្រុះតាំងពីសាច់ បន្លែ សម្លៀកបំពាក់ និងគ្រឿងសង្ហារិមនៅក្នុងកន្លែងតែមួយធំទូលាយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖