បញ្ហា (The Problem)៖ ឯកសារនេះស្រាវជ្រាវពីកត្តាដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់ប្រជាពលរដ្ឋ ចំពោះគុណភាពសេវារដ្ឋបាលសាធារណៈ នៅគណៈកម្មាធិការប្រជាជនទីក្រុង Thu Dau Mot ក្នុងប្រទេសវៀតណាម។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្រចម្រុះ ដោយរួមបញ្ចូលការស្រាវជ្រាវគុណវិស័យ (ការសម្ភាសន៍) និងបរិមាណវិស័យ តាមរយៈការស្ទង់មតិប្រជាពលរដ្ឋចំនួន ១៦៧ នាក់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Exploratory Factor Analysis (EFA) ការវិភាគកត្តាស្វែងយល់ (EFA) |
ជួយកាត់បន្ថយអថេរសង្កេតជាច្រើនទៅជាកត្តាសំខាន់ៗមួយចំនួនតូច និងបញ្ជាក់ពីភាពជឿជាក់នៃរចនាសម្ព័ន្ធទិន្នន័យ។ | ត្រូវការទិន្នន័យក្នុងបរិមាណគ្រប់គ្រាន់ ហើយមិនបង្ហាញពីទំនាក់ទំនងស៊ីជម្រៅអំពីមូលហេតុ និងផលរវាងកត្តា និងអថេរអាស្រ័យនោះទេ។ | បានបញ្ជាក់ពីភាពជឿជាក់ និងចម្រាញ់អថេរសង្កេតចំនួន ៣០ ទៅជាកត្តាឯករាជ្យសំខាន់ៗចំនួន ៦ សម្រាប់ការវិភាគបន្ត។ |
| Multiple Regression Analysis ការវិភាគតំរែតំរង់ពហុគុណ (Multiple Regression Analysis) |
បង្ហាញយ៉ាងច្បាស់ពីទម្ងន់នៃកម្រិតឥទ្ធិពលរបស់កត្តានីមួយៗទៅលើការពេញចិត្តរបស់ប្រជាពលរដ្ឋ តាមរយៈមេគុណ Beta។ | សន្មត់ថាទំនាក់ទំនងរវាងអថេរគឺជារាងលីនេអ៊ែរ ដែលពេលខ្លះអាចមិនឆ្លុះបញ្ចាំងពីភាពស្មុគស្មាញពិតប្រាកដនៃអាកប្បកិរិយារបស់មនុស្ស។ | បង្ហាញថាកត្តាទាំង ៦ អាចពន្យល់បាន ៧៨,២% នៃបំរែបំរួលកម្រិតនៃការពេញចិត្ត (R² = 0.782) ជាមួយនឹងកម្រិតសារៈសំខាន់ 5%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនតម្រូវឱ្យមានធនធានកុំព្យូទ័រធំដុំនោះទេ ប៉ុន្តែទាមទារការចុះប្រមូលទិន្នន័យផ្ទាល់ និងកម្មវិធីវិភាគស្ថិតិស្តង់ដារ។
ការសិក្សានេះត្រូវបានធ្វើឡើងតែនៅក្នុងទីក្រុង Thu Dau Mot ខេត្ត Binh Duong ប្រទេសវៀតណាម ជាមួយនឹងសំណាកទំហំតូច (១៦៧ នាក់)។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទសេដ្ឋកិច្ច-សង្គម និងការគ្រប់គ្រងរដ្ឋបាលនៃតំបន់ជាក់លាក់នោះ ដែលអាចមានភាពខុសគ្នាពីតំបន់ជនបទ។ សម្រាប់កម្ពុជា វាជារឿងសំខាន់ក្នុងការគិតគូរពីភាពខុសគ្នានៃវប្បធម៌ កម្រិតបច្ចេកវិទ្យា និងការអភិវឌ្ឍរដ្ឋបាលនៅតាមបណ្តាខេត្តក្រុង មុននឹងទាញសេចក្តីសន្និដ្ឋានទូទៅ។
វិធីសាស្ត្រ និងគំរូវាយតម្លៃ (SERVQUAL) ក្នុងការសិក្សានេះ គឺពិតជាមានប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ស្ថាប័នរដ្ឋបាលថ្នាក់ក្រោមជាតិនៅប្រទេសកម្ពុជា។
ការអនុវត្តគំរូស្រាវជ្រាវនេះនឹងជួយឱ្យរដ្ឋាភិបាលកម្ពុជាមានទិន្នន័យជាក់លាក់ ដែលអាចជួយកែលម្អសេវាសាធារណៈឱ្យកាន់តែមានតម្លាភាព លឿនរហ័ស និងឆ្លើយតបចំតម្រូវការប្រជាជន។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| SERVQUAL | ជាគំរូវាយតម្លៃគុណភាពសេវាកម្មដ៏ពេញនិយមមួយ ដោយវាស់ស្ទង់គម្លាតរវាងការរំពឹងទុករបស់អតិថិជន និងបទពិសោធន៍ជាក់ស្តែងដែលពួកគេទទួលបាន ដោយផ្អែកលើវិមាត្រចំនួន៥ (ភាពជឿជាក់ ការឆ្លើយតប ភាពធានា សម្ភារៈរូបវន្ត និងការយល់ចិត្ត)។ | ដូចជាការប្រៀបធៀបរូបភាពម្ហូបដ៏គួរឱ្យចង់ញ៉ាំក្នុងម៉ឺនុយ (ការរំពឹងទុក) ទៅនឹងមុខម្ហូបពិតប្រាកដដែលអ្នករត់តុយកមកឱ្យ (ការពិត)។ |
| Cronbach's Alpha | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់ធ្វើតេស្តភាពជឿជាក់ (Reliability) ឬភាពស៊ីចង្វាក់គ្នានៃកម្រងសំណួរស្ទង់មតិ ថាតើសំណួរទាំងនោះពិតជាកំពុងវាស់ស្ទង់គោលគំនិតតែមួយឬអត់ (ជាទូទៅតម្លៃធំជាង ០.៦ គឺអាចទទួលយកបាន)។ | ដូចជាការថ្លឹងទម្ងន់ខ្លួនឯងលើជញ្ជីង៣ដងជាប់គ្នា ហើយជញ្ជីងនោះបង្ហាញតួលេខដដែលៗ ដែលបញ្ជាក់ថាវាពិតជាអាចជឿទុកចិត្តបាន។ |
| Exploratory Factor Analysis (EFA) | ជាវិធីសាស្ត្រស្ថិតិសម្រាប់បង្រួមទិន្នន័យ ដោយវាជួយប្រមូលផ្តុំអថេរសង្កេត (សំណួរស្ទង់មតិ) ជាច្រើនដែលមានទំនាក់ទំនងគ្នា ទៅជាក្រុមឬកត្តាធំៗមួយចំនួនតូច ដើម្បីងាយស្រួលក្នុងការវិភាគបន្ត និងស្វែងរកគំរូនៃទិន្នន័យ។ | ដូចជាការរៀបចំសម្លៀកបំពាក់រាប់សិបមុខដែលរាយប៉ាយ ដាក់ចូលទៅក្នុងទូដោយបែងចែកជាថតៗ (ថតអាវ ថតខោ ថតស្រោមជើង) ដើម្បីងាយស្រួលរក។ |
| Multiple Regression | ជាការវិភាគស្ថិតិដើម្បីស្វែងយល់ពីទំនាក់ទំនងរវាងអថេរឯករាជ្យច្រើន (ដូចជា កត្តាសម្ភារៈ បច្ចេកវិទ្យា ឥរិយាបថមន្ត្រី) ទៅលើអថេរអាស្រ័យមួយ (ដូចជា ការពេញចិត្តសរុប) ថាតើកត្តាណាមានឥទ្ធិពលខ្លាំងជាងគេ។ | ដូចជាការស្វែងរកថាតើគ្រឿងផ្សំអ្វីខ្លះ (អំបិល ស្ករ ម្ទេស) ដែលជះឥទ្ធិពលខ្លាំងជាងគេ ធ្វើឱ្យសម្លមួយមានរសជាតិឆ្ងាញ់។ |
| Variance Inflation Factor (VIF) | ជារង្វាស់ដែលប្រើដើម្បីពិនិត្យមើលបញ្ហាពហុសម្ព័ន្ធ (Multicollinearity) នៅក្នុងម៉ូដែលតំរែតំរង់ ដែលមានន័យថាអថេរឯករាជ្យមានទំនាក់ទំនងគ្នាខ្លាំងពេក ធ្វើឱ្យលទ្ធផលនៃឥទ្ធិពលរបស់វាមិនមានភាពសុក្រឹត (តម្លៃ VIF ត្រូវតែតូចជាង ២ ឬ ១០ អាស្រ័យលើស្តង់ដារ)។ | ដូចជាការប្រើទាំង "ទំហំស្បែកជើងឆ្វេង" និង "ទំហំស្បែកជើងស្តាំ" ជាព័ត៌មានពីរផ្សេងគ្នាដើម្បីទស្សន៍ទាយកម្ពស់មនុស្សម្នាក់ ដែលតាមពិតវាជាព័ត៌មានជាន់គ្នាតែមួយប៉ុណ្ណោះ។ |
| Durbin-Watson | ជារង្វាស់ស្ថិតិដែលប្រើដើម្បីត្រួតពិនិត្យមើលថាតើមានបាតុភូតទំនាក់ទំនងគ្នាឯង (Autocorrelation) នៃសំណល់ (Residuals) នៅក្នុងម៉ូដែលតំរែតំរង់ដែរឬទេ ដែលតម្លៃចន្លោះពី ១ ដល់ ៣ បង្ហាញថាមិនមានបញ្ហានេះទេ។ | ដូចជាការទស្សន៍ទាយអាកាសធាតុថ្ងៃនេះដោយពឹងផ្អែកទាំងស្រុងលើអាកាសធាតុម្សិលមិញ ដោយភ្លេចគិតពីកត្តាផ្សេងៗ ដែលធ្វើឱ្យកំហុសនៃការទស្សន៍ទាយមានភាពលម្អៀងជាប់គ្នាជាបន្តបន្ទាប់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
