បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងសាកល្បងម៉ូដែលទ្រឹស្តីស្តីពីកត្តាដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់អតិថិជនចំពោះសេវាកម្មទូរស័ព្ទចល័តរបស់ក្រុមហ៊ុន Viettel នៅខេត្ត Quang Tri ប្រទេសវៀតណាម។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្របរិមាណតាមរយៈការស្ទង់មតិលើអតិថិជនចំនួន ២៣២ នាក់ ដើម្បីធ្វើការវិភាគទិន្នន័យ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| PLS-SEM (Partial Least Squares Structural Equation Modeling) ម៉ូដែលសមីការរចនាសម្ព័ន្ធផ្អែកលើការប៉ាន់ស្មានការ៉េអប្បបរមាដោយផ្នែក |
ស័ក្តិសមសម្រាប់ទំហំសំណាកតូច ទិន្នន័យមិនមានរបាយធម្មតា (Non-normal distribution) និងម៉ូដែលស្រាវជ្រាវដែលមានភាពស្មុគស្មាញច្រើន។ ជាវិធីសាស្ត្រល្អបំផុតសម្រាប់ការស្រាវជ្រាវបែបព្យាករណ៍។ | មានប្រសិទ្ធភាពទាបជាងបន្តិចក្នុងការបញ្ជាក់ទ្រឹស្តី (Theory confirmation) បើប្រៀបធៀបទៅនឹងវិធីសាស្ត្រ CB-SEM ។ | អាចពន្យល់បាន ៦២% (R² = 0.62) នៃការប្រែប្រួលកម្រិតនៃការពេញចិត្តរបស់អតិថិជន ហើយបានរកឃើញកត្តាវិជ្ជមានចំនួន ៦ ដែលមានឥទ្ធិពល។ |
| CB-SEM (Covariance-Based SEM) ម៉ូដែលសមីការរចនាសម្ព័ន្ធផ្អែកលើកូវ៉ារ្យង់ (ប្រើក្នុង AMOS/LISREL) |
ជាវិធីសាស្ត្រប្រពៃណីដែលមានភាពរឹងមាំក្នុងការធ្វើតេស្ត និងបញ្ជាក់ទ្រឹស្តីដែលមានស្រាប់។ | ទាមទារទំហំសំណាកធំ (ជាធម្មតា >២០០) និងទាមទារយ៉ាងតឹងរ៉ឹងឱ្យទិន្នន័យមានរបាយធម្មតា (Normal distribution) ដែលពិបាកទទួលបានក្នុងការស្ទង់មតិជាក់ស្តែង។ | មិនត្រូវបានជ្រើសរើសសម្រាប់ការសិក្សានេះទេ ដោយសារតែវាមានដែនកំណត់ទាក់ទងនឹងលក្ខខណ្ឌតម្រូវនៃទិន្នន័យ (រៀបរាប់ជាជម្រើសប្រៀបធៀបនៅក្នុងការណែនាំ)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់យ៉ាងលម្អិតអំពីថវិកាធនធាននោះទេ ប៉ុន្តែវាទាមទារកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យ និងធនធានមនុស្សដើម្បីប្រមូលទិន្នន័យ។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្តោតតែលើអតិថិជនចំនួន ២៣២ នាក់ នៅក្នុងទីក្រុង Dong Ha ខេត្ត Quang Tri ប្រទេសវៀតណាមប៉ុណ្ណោះ។ ទំហំសំណាកតូច និងទីតាំងភូមិសាស្ត្រតូចចង្អៀតនេះ អាចបណ្តាលឱ្យមានភាពលំអៀង និងមិនអាចតំណាងឱ្យអតិថិជនទូទាំងប្រទេសវៀតណាម ឬប្រទេសផ្សេងទៀតបានទេ។ សម្រាប់ប្រទេសកម្ពុជា វាជារឿងសំខាន់ណាស់ក្នុងការយកចិត្តទុកដាក់លើភាពខុសគ្នានៃភូមិសាស្ត្រនិងវប្បធម៌ ពីព្រោះអតិថិជននៅរាជធានីភ្នំពេញ និងអតិថិជននៅតាមបណ្តាខេត្ត អាចមានតម្រូវការនិងការវាយតម្លៃខុសគ្នា។
វិធីសាស្ត្រ PLS-SEM ព្រមទាំងលទ្ធផលនៃការសិក្សានេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់វិស័យពាណិជ្ជកម្ម និងសេវាកម្មនៅប្រទេសកម្ពុជា។
ជារួម ការអនុវត្តម៉ូដែលស្រាវជ្រាវនេះនឹងជួយដល់អាជីវកម្មនៅកម្ពុជាក្នុងការរៀបចំយុទ្ធសាស្ត្រទីផ្សារ និងការបែងចែកធនធានបានយ៉ាងត្រឹមត្រូវ ដើម្បីបង្កើនភាពប្រកួតប្រជែង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| PLS-SEM (Partial Least Squares Structural Equation Modeling) | ជាបច្ចេកទេសវិភាគទិន្នន័យស្ថិតិដ៏មានអានុភាពដែលប្រើដើម្បីស្វែងយល់ពីទំនាក់ទំនងស្មុគស្មាញរវាងអថេរដែលមិនអាចវាស់ស្ទង់បានដោយផ្ទាល់ (ឧទាហរណ៍៖ ការពេញចិត្ត ការជឿទុកចិត្ត) និងអថេរដែលវាស់ស្ទង់បាន (ឧទាហរណ៍៖ ចម្លើយពីកម្រងសំណួរ)។ វាមានប្រសិទ្ធភាពខ្ពស់សម្រាប់ទិន្នន័យមិនមានរបាយធម្មតា និងសំណាកតូច។ | ដូចជាការប្រើប្រាស់រូបមន្តគណិតវិទ្យាដើម្បីគូរផែនទីបង្ហាញផ្លូវ ថាតើកត្តាអ្វីខ្លះ (ដូចជាគុណភាពសេវាកម្ម ឬតម្លៃ) ដែលជះឥទ្ធិពលធ្វើឱ្យអតិថិជនមានភាពសប្បាយចិត្ត។ |
| Cronbach's Alpha | ជារង្វាស់ស្ថិតិមួយប្រើសម្រាប់វាយតម្លៃកម្រិតនៃភាពជឿជាក់ (Reliability) នៃកម្រងសំណួរ ដើម្បីធានាថាសំណួរទាំងអស់ដែលវាស់ស្ទង់គោលគំនិតតែមួយ ពិតជាមានសង្គតិភាព (Consistency) ដើរស្របគ្នា។ ជាទូទៅតម្លៃលើសពី 0.7 ត្រូវបានចាត់ទុកថាអាចទទួលយកបាន។ | ប្រៀបដូចជាការថ្លឹងទម្ងន់វត្ថុមួយនៅលើជញ្ជីង៣ផ្សេងគ្នា បើលទ្ធផលចេញមកដូចគ្នា ឬប្រហាក់ប្រហែលគ្នា មានន័យថាជញ្ជីងនោះគួរឱ្យទុកចិត្តបាន។ |
| EFA (Exploratory Factor Analysis) | ជាវិធីសាស្ត្រស្ថិតិសម្រាប់បង្រួញទិន្នន័យ ដែលវាជួយប្រមូលផ្តុំអថេរ (សំណួរ) ច្រើន ឱ្យទៅជាក្រុម ឬកត្តា (Factors) មួយចំនួនតូចដែលមានទំនាក់ទំនងគ្នា ដើម្បីងាយស្រួលក្នុងការវិភាគបន្ត និងស្វែងរកទម្រង់លាក់កំបាំងនៃទិន្នន័យ។ | ដូចជាការរៀបចំខោអាវរាយប៉ាយរាប់រយម៉ូត ដាក់ចូលទៅក្នុងទូដោយបែងចែកជាថ្នាក់ៗ (ខោ អាវ ស្រោមជើង) ដើម្បីងាយស្រួលទាញយកមកប្រើប្រាស់។ |
| Bootstrapping | គឺជាបច្ចេកទេសនៅក្នុងវិទ្យាសាស្ត្រស្ថិតិ ដែលបង្កើតសំណាកគំរូថ្មីៗ (Resampling) រាប់ពាន់ដង (ឧ. 5000 ដង) ពីទិន្នន័យដើមដដែល ដើម្បីធ្វើតេស្តពីភាពត្រឹមត្រូវ និងភាពជាក់លាក់នៃលទ្ធផលប៉ាន់ស្មាន ថាតើវាអាចយកទៅប្រើប្រាស់សន្និដ្ឋានជាទូទៅបានដែរឬទេ។ | ដូចជាការសាកល្បងភ្លក់សម្លរាប់រយដងពីជ្រុងផ្សេងៗគ្នានៃឆ្នាំងតែមួយ ដើម្បីប្រាកដថាវាពិតជាមានរសជាតិឆ្ងាញ់សព្វសាច់មែន។ |
| Heterotrait-Monotrait Ratio (HTMT) | ជារង្វាស់ថ្មីនិងច្បាស់លាស់មួយនៅក្នុងការវិភាគម៉ូដែល PLS-SEM ប្រើសម្រាប់វាយតម្លៃសុពលភាពនៃការរើសអើង (Discriminant Validity) ដើម្បីបញ្ជាក់ថាគោលគំនិត (Constructs) ពីរដែលខុសគ្នា ពិតជាខុសគ្នាប្រាកដមែន មិនមានការត្រួតស៊ីគ្នាឡើយ។ តម្លៃវាត្រូវតែតូចជាង ១ (ឬ < 0.9) ទើបល្អ។ | ដូចជាការពិនិត្យមើលរូបរាងកូនភ្លោះពីរនាក់ ដើម្បីរកមើលចំណុចខុសគ្នាដាច់ស្រឡះ ដើម្បីប្រាកដថាយើងមិនច្រឡំអ្នកទាំងពីរ។ |
| Average Variance Extracted (AVE) | ជារង្វាស់វាយតម្លៃសុពលភាពនៃការរួមបញ្ចូលគ្នា (Convergent Validity) ដែលវាស់ស្ទង់ថាតើអថេរសង្កេត (សូចនាករនៃសំណួរ) ពិតជាអាចពន្យល់ពីអថេរមិនច្បាស់លាស់ (Latent variable) បានកម្រិតណា។ ជាធម្មតាតម្លៃ AVE ត្រូវតែធំជាង 0.5 ទើបអាចទទួលយកបាន។ | ដូចជាការវាយតម្លៃថាតើសិស្សម្នាក់មានចំណេះដឹងពិតប្រាកដកម្រិតណា ដោយពឹងផ្អែកលើការរួមបញ្ចូលគ្នានៃពិន្ទុប្រឡងគ្រប់មុខវិជ្ជារបស់គេ។ |
| Composite Reliability (CR) | គឺជាសូចនាករដែលអាចប្រើជំនួសឱ្យ Cronbach's Alpha នៅក្នុងម៉ូដែល PLS-SEM សម្រាប់វាស់ស្ទង់ភាពជឿជាក់នៃអថេរ ដែលវាមានភាពសុក្រឹតជាងដោយសារវាចាត់ទុកថាសូចនាករនីមួយៗមានទម្ងន់ខុសៗគ្នា (មិនស្មើគ្នាដូច Alpha ទេ)។ | ដូចជាការវាយតម្លៃសមត្ថភាពក្រុមបាល់ទាត់មួយ ដោយគិតគូរដល់ភាពខ្លាំងផ្សេងៗគ្នារបស់កីឡាករម្នាក់ៗ មិនមែនចាត់ទុកគ្រប់គ្នាពូកែដូចគ្នានោះទេ។ |
| Service-level Agreement (SLA) | ជាកិច្ចសន្យា ឬការសន្យាជាផ្លូវការរវាងអ្នកផ្តល់សេវាកម្ម និងអតិថិជន ដែលកំណត់យ៉ាងច្បាស់អំពីកម្រិតស្តង់ដារគុណភាពសេវាកម្ម ល្បឿននៃការដោះស្រាយបញ្ហា និងការទទួលខុសត្រូវនានា។ | ដូចជាការធានារបស់ហាងភីហ្សាថា 'បើដឹកជញ្ជូនយឺតជាង ៣០ នាទី នឹងផ្តល់ជូនទិញមួយថែមមួយ' ដើម្បីធានាទំនុកចិត្តរបស់អតិថិជន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
