Original Title: Predicting Customers’ Intentions to Adopt Digital Payments in E-Commerce: Evidence from Bangladesh
Source: www.doi.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការទស្សន៍ទាយពីចេតនារបស់អតិថិជនក្នុងការប្រើប្រាស់ការទូទាត់តាមប្រព័ន្ធឌីជីថលក្នុងពាណិជ្ជកម្មអេឡិចត្រូនិក៖ ភស្តុតាងពីប្រទេសបង់ក្លាដែស

ចំណងជើងដើម៖ Predicting Customers’ Intentions to Adopt Digital Payments in E-Commerce: Evidence from Bangladesh

អ្នកនិពន្ធ៖ Md. Byzed Ahmed Rony (Chandpur Science and Technology University, Bangladesh), Burhan Uddin (Cox’s Bazar International University, Bangladesh)

ឆ្នាំបោះពុម្ព៖ 2025 Journal of Business Studies and Marketing Research

វិស័យសិក្សា៖ Business Administration and Marketing

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការស៊ើបអង្កេតកត្តាដែលជះឥទ្ធិពលដល់ចេតនារបស់អតិថិជនក្នុងការទទួលយកប្រព័ន្ធទូទាត់ឌីជីថលក្នុងវិស័យពាណិជ្ជកម្មអេឡិចត្រូនិក (E-commerce) នៅប្រទេសបង់ក្លាដែស ដែលនៅមានបញ្ហាប្រឈមដូចជាកង្វះទំនុកចិត្ត និងក្តីបារម្ភពីសុវត្ថិភាព។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ការរចនាបែបបរិមាណ (Quantitative design) ដោយប្រមូលទិន្នន័យបឋមតាមរយៈការស្ទង់មតិ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Multiple Linear Regression (TAM Extension)
ការវិភាគតំរែតំរង់ពហុគុណ (ផ្អែកលើគំរូ TAM)
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវាស់ស្ទង់ឥទ្ធិពលរួម និងឥទ្ធិពលដាច់ដោយឡែកនៃអថេរនីមួយៗ (ដូចជា ទំនុកចិត្ត ភាពងាយស្រួល និងសុវត្ថិភាព) ទៅលើចេតនាប្រើប្រាស់របស់អតិថិជន។ ពឹងផ្អែកខ្លាំងលើទិន្នន័យស្ទង់មតិដែលអាចមានការលម្អៀង (Self-reported bias) និងមិនអាចបង្ហាញពីទំនាក់ទំនងហេតុនិងផលពេញលេញដោយសារវាជាការសិក្សាកាត់ទទឹង (Cross-sectional)។ ម៉ូដែលនេះអាចពន្យល់បាន ៦២% (R-squared = 0.62) នៃបំរែបំរួលនៃការសម្រេចចិត្តប្រើប្រាស់ការទូទាត់ឌីជីថល។
Descriptive Statistics & Reliability Testing (Cronbach's Alpha)
ស្ថិតិពណ៌នា និងការធ្វើតេស្តភាពជឿជាក់ (Cronbach's Alpha)
ជួយវាយតម្លៃ និងធានាបាននូវភាពត្រឹមត្រូវ ព្រមទាំងភាពស៊ីសង្វាក់គ្នានៃកម្រងសំណួរមុននឹងធ្វើការវិភាគស៊ីជម្រៅ។ មិនអាចបង្ហាញពីទំនាក់ទំនងរវាងអថេរ ឬធ្វើការទស្សន៍ទាយ (Prediction) នោះទេ វាគ្រាន់តែបង្ហាញទិដ្ឋភាពទូទៅ និងនិន្នាការកណ្តាលនៃសំណាកប៉ុណ្ណោះ។ បញ្ជាក់ថាអថេរទាំងអស់មានភាពជឿជាក់ខ្ពស់ដែលអាចទទួលយកបាន ដោយមានតម្លៃ α ចន្លោះពី 0.79 ដល់ 0.87។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនទាមទារធនធានហិរញ្ញវត្ថុ ឬផ្នែករឹង (Hardware) ខ្ពស់នោះទេ ដោយពឹងផ្អែកជាចម្បងលើកម្មវិធីវិភាគស្ថិតិ និងឧបករណ៍ស្ទង់មតិអនឡាញ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងទីក្រុងដាកា (Dhaka) ប្រទេសបង់ក្លាដែស ជាមួយនឹងអ្នកចូលរួមត្រឹមតែ ១៦០ នាក់តាមរយៈការជ្រើសរើសសំណាកតាមភាពងាយស្រួល (Convenience sampling)។ នេះបង្ហាញពីការលម្អៀងទិន្នន័យដែលអាចមិនតំណាងឱ្យប្រជាជននៅតំបន់ជនបទ ឬអ្នកដែលមិនសូវមានចំណេះដឹងផ្នែកបច្ចេកវិទ្យា។ សម្រាប់ប្រទេសកម្ពុជា វាជារឿងសំខាន់ក្នុងការកត់សម្គាល់ ព្រោះគម្លាតនៃការយល់ដឹងពីបច្ចេកវិទ្យារវាងទីក្រុង (ដូចជាភ្នំពេញ) និងទីជនបទមានសភាពស្រដៀងគ្នា ហើយកម្រិតនៃការជឿទុកចិត្តលើប្រព័ន្ធឌីជីថលនៅទីជនបទអាចមានកម្រិតទាបជាង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

លទ្ធផលនៃការស្រាវជ្រាវនេះមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការអភិវឌ្ឍប្រព័ន្ធទូទាត់ឌីជីថល និងពាណិជ្ជកម្មអេឡិចត្រូនិកនៅក្នុងបរិបទប្រទេសកម្ពុជា។

សរុបមក ការបង្កើតប្រព័ន្ធដែលងាយស្រួលប្រើ ផ្តល់អត្ថប្រយោជន៍ជាក់ស្តែង និងធានាសុវត្ថិភាពខ្ពស់ គឺជាយុទ្ធសាស្ត្រស្នូលឆ្ពោះទៅរកសង្គមគ្មានសាច់ប្រាក់ (Cashless society) ប្រកបដោយជោគជ័យនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ជំហានទី១៖ សិក្សាមូលដ្ឋានគ្រឹះទ្រឹស្តី និងអក្សរសិល្ប៍: ស្វែងយល់ពីទ្រឹស្តី Technology Acceptance Model (TAM) និងស្វែងរកអត្ថបទស្រាវជ្រាវពាក់ព័ន្ធបន្ថែមពី Google ScholarResearchGate ដើម្បីកំណត់អថេរដែលសាកសមនឹងបរិបទសង្គមកម្ពុជា។
  2. ជំហានទី២៖ រចនាកម្រងសំណួរ និងប្រមូលទិន្នន័យ: ប្រើប្រាស់ឧបករណ៍ដូចជា Google FormsKoboToolbox ដើម្បីបង្កើតកម្រងសំណួរស្ទង់មតិ ដោយផ្តោតលើអ្នកប្រើប្រាស់កម្មវិធីទូទាត់ដូចជា BakongABA Mobile រួចចែកចាយតាមបណ្តាញសង្គម ឬក្រុមតេឡេក្រាម។
  3. ជំហានទី៣៖ ការសម្អាត និងវិភាគទិន្នន័យស្ថិតិ: នាំចេញទិន្នន័យដែលប្រមូលបាន (Export data) ទៅកាន់កម្មវិធី SPSSJASP ដើម្បីដំណើរការតេស្តភាពជឿជាក់ (Cronbach's Alpha) និងធ្វើការវិភាគ Multiple Regression ស្វែងរកកត្តាដែលជះឥទ្ធិពលខ្លាំងជាងគេ។
  4. ជំហានទី៤៖ ការបកស្រាយលទ្ធផល និងផ្តល់អនុសាសន៍: សរសេរសេចក្តីសន្និដ្ឋានអំពីចំណុចខ្លាំងនិងចំណុចខ្សោយនៃប្រព័ន្ធទូទាត់នីមួយៗ ដោយប្រើប្រាស់ Microsoft Word និងចងក្រងជាអនុសាសន៍ជាក់ស្តែងសម្រាប់ជួយក្រុមហ៊ុន Fintech ក្នុងស្រុកក្នុងការកែលម្អប្រព័ន្ធរបស់ពួកគេ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Technology Acceptance Model (TAM) ជាទ្រឹស្តីមួយដែលពន្យល់ពីរបៀបដែលអ្នកប្រើប្រាស់សម្រេចចិត្តទទួលយក និងប្រើប្រាស់បច្ចេកវិទ្យាថ្មីៗ ដោយផ្តោតលើកត្តាសំខាន់ពីរគឺ អត្ថប្រយោជន៍ដែលទទួលបាន (Perceived Usefulness) និងភាពងាយស្រួលក្នុងការប្រើប្រាស់ (Ease of Use)។ ដូចជាការសួរខ្លួនឯងមុនពេលទិញទូរស័ព្ទថ្មីថា "តើវាមានប្រយោជន៍អ្វីខ្លះ?" និង "តើវាងាយស្រួលប្រើឬទេ?" បើចម្លើយគឺល្អ យើងនឹងទិញវា។
Perceived Usefulness កម្រិតដែលបុគ្គលម្នាក់ជឿជាក់ថា ការប្រើប្រាស់ប្រព័ន្ធ ឬបច្ចេកវិទ្យាជាក់លាក់ណាមួយ នឹងជួយបង្កើនប្រសិទ្ធភាព ភាពងាយស្រួល និងចំណេញពេលវេលាក្នុងការធ្វើការងារ ឬប្រតិបត្តិការប្រចាំថ្ងៃរបស់ពួកគេ។ ដូចជាពេលយើងគិតថាការជិះម៉ូតូទៅសាលារៀនជួយសន្សំពេលវេលាជាងការដើរ នោះយើងនឹងចាត់ទុកម៉ូតូថាមាន "អត្ថប្រយោជន៍ខ្ពស់" ។
Cronbach’s Alpha ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់ភាពជឿជាក់ និងភាពស៊ីសង្វាក់គ្នា (Internal consistency) នៃកម្រងសំណួរ ដើម្បីធានាថាសំណួរទាំងអស់ដែលចងក្រងឡើងពិតជាវាស់ស្ទង់ពីបញ្ហា ឬកត្តាតែមួយពិតប្រាកដមែន (ជាទូទៅតម្លៃលើសពី ០.៧ គឺអាចទទួលយកបាន)។ ដូចជាការវាស់កម្ពស់មនុស្សម្នាក់ ៣ ដងដោយប្រើម៉ែត្រតែមួយ ប្រសិនបើលទ្ធផលទាំង ៣ ដងដូចគ្នា នោះមានន័យថាម៉ែត្រនោះ "អាចជឿទុកចិត្តបាន"។
Multiple Regression Analysis ជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីវិភាគ និងទស្សន៍ទាយទំនាក់ទំនងរវាងអថេរឯករាជ្យច្រើន (ដូចជា ទំនុកចិត្ត សុវត្ថិភាព ភាពងាយស្រួល) ទៅលើអថេរអាក្រ័យតែមួយ (ដូចជា ចេតនាក្នុងការប្រើប្រាស់ការទូទាត់ឌីជីថល)។ ដូចជាការគណនារកមើលថាតើកត្តាណាខ្លះ (ដូចជា ការខិតខំរៀន ម៉ោងគេង និងអាហារ) ដែលជះឥទ្ធិពលខ្លាំងជាងគេទៅលើពិន្ទុប្រឡងរបស់អ្នក។
Convenience Sampling ជាបច្ចេកទេសជ្រើសរើសសំណាកក្រៅប្រូបាប៊ីលីតេ (Non-probability sampling) ដែលអ្នកស្រាវជ្រាវជ្រើសរើសអ្នកចូលរួមណាដែលងាយស្រួលទាក់ទង និងស្វែងរកបំផុត ដើម្បីសន្សំពេលវេលា និងធនធាន។ ដូចជាអ្នកចង់ដឹងពីចំណូលចិត្តញ៉ាំការ៉េមរបស់សិស្សក្នុងសាលា ហើយអ្នកដើរសួរសិស្សដែលអង្គុយជិតអ្នកបំផុត ជំនួសឱ្យការចាប់ឆ្នោតសួរសិស្សទាំងអស់ដោយចៃដន្យ។
Factor Loading ជាតម្លៃស្ថិតិដែលបង្ហាញពីកម្រិតនៃទំនាក់ទំនងរវាងសំណួរនីមួយៗនៅក្នុងកម្រងសំណួរ ជាមួយនឹងកត្តាគោលដែលវាត្រូវវាស់ស្ទង់។ តម្លៃនេះបញ្ជាក់ថាតើសំណួរនោះតំណាងឱ្យកត្តានោះបានល្អកម្រិតណា។ ដូចជាការដាក់ពិន្ទុវាយតម្លៃថាតើកីឡាករម្នាក់ៗ លេងត្រូវតាមតួនាទីរបស់ខ្លួននៅក្នុងក្រុមបានល្អកម្រិតណា។
FinTech (Financial Technology) ជាការប្រើប្រាស់បច្ចេកវិទ្យាទំនើបៗ ដូចជាកម្មវិធីទូរស័ព្ទ ឬប្រព័ន្ធអ៊ីនធឺណិត ដើម្បីផ្តល់ ឬកែលម្អសេវាកម្មហិរញ្ញវត្ថុ ដូចជាការផ្ទេរប្រាក់ ការទូទាត់ទំនិញ និងការខ្ចីប្រាក់ ជំនួសការទៅធ្វើប្រតិបត្តិការនៅធនាគារផ្ទាល់។ ដូចជាការប្រើកម្មវិធី ABA Mobile ឬ Bakong ដើម្បីបាញ់លុយទិញកាហ្វេ ដោយមិនបាច់ប្រើក្រដាសប្រាក់ ឬទៅតម្រង់ជួរនៅធនាគារ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖