Original Title: 定性比较分析法在管理学构型研究中的应用:述评与展望
Source: doi.org/10.16538/j.cnki.fem.2017.04.006
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការអនុវត្តវិធីសាស្ត្រវិភាគប្រៀបធៀបបែបគុណភាព (QCA) ក្នុងការស្រាវជ្រាវបែបកំណត់រចនាសម្ព័ន្ធក្នុងវិស័យរដ្ឋបាលធុរកិច្ច៖ ការអត្ថាធិប្បាយ និងទិសដៅនាពេលអនាគត

ចំណងជើងដើម៖ 定性比较分析法在管理学构型研究中的应用:述评与展望

អ្នកនិពន្ធ៖ Zhang Chi (School of Business, Renmin University of China), Zheng Xiaojie, Wang Fengbin

ឆ្នាំបោះពុម្ព៖ 2017 Foreign Economics & Management

វិស័យសិក្សា៖ Business Administration

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ទស្សនវិស័យនៃការកំណត់រចនាសម្ព័ន្ធក្នុងការស្រាវជ្រាវផ្នែកគ្រប់គ្រងធុរកិច្ចកំពុងមានការកើនឡើង ប៉ុន្តែកង្វះខាតនូវវិធីសាស្ត្រស្រាវជ្រាវគាំទ្របានធ្វើឱ្យដំណើរការនេះមានភាពយឺតយ៉ាវ ជាពិសេសនៅក្នុងប្រទេសចិន។ អត្ថបទនេះធ្វើការវិភាគដើម្បីបង្ហាញពីតម្លៃនៃការអនុវត្តវិធីសាស្ត្រវិភាគប្រៀបធៀបបែបគុណភាព (QCA) សម្រាប់ការសិក្សាស្រាវជ្រាវទាំងនេះ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានធ្វើការពិនិត្យឡើងវិញជាលក្ខណៈប្រព័ន្ធលើឯកសារស្រាវជ្រាវចំនួន ១៧៥ (ភាសាអង់គ្លេស ១៦៥ និងភាសាចិន ១០) ដែលបានអនុវត្តវិធីសាស្ត្រ QCA ក្នុងវិស័យគ្រប់គ្រងរដ្ឋបាល។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Qualitative Comparative Analysis (QCA)
ការវិភាគប្រៀបធៀបបែបគុណភាព (QCA)
អាចដោះស្រាយបញ្ហាសមភាពលទ្ធផល (Equifinality) និងភាពស្មុគស្មាញនៃហេតុផលបានយ៉ាងល្អ និងមិនទាមទារទំហំសំណាកធំ។ អនុញ្ញាតឱ្យវិភាគភាពមិនស៊ីមេទ្រីនៃហេតុផល (Causal asymmetry) និងមិនចាំបាច់ដោះស្រាយអថេរពហុកម្រិតយ៉ាងស្មុគស្មាញ។ ងាយរងឥទ្ធិពលពីករណីទោល (Sensitive to individual cases) ហើយទាមទារការវិនិច្ឆ័យផ្អែកលើទ្រឹស្តីច្បាស់លាស់ពីអ្នកស្រាវជ្រាវ (ឧទាហរណ៍ ការកំណត់តម្លៃ Calibration)។ នៅមានកម្រិតក្នុងការវិភាគទិន្នន័យផ្អែកលើពេលវេលា (Time-series)។ ត្រូវបានអនុវត្តដោយជោគជ័យក្នុងការសិក្សាស្រាវជ្រាវចំនួន ១៧៥ ដើម្បីពន្យល់ពីអន្តរកម្មស្មុគស្មាញនៃកត្តាផ្សេងៗដែលនាំទៅរកលទ្ធផលរួមមួយ។
Traditional Statistical Methods (Regression, Cluster Analysis)
វិធីសាស្ត្រស្ថិតិប្រពៃណី (ការវិភាគតំរែតំរង់ និងចង្កោម)
ស័ក្តិសមសម្រាប់ការស្វែងរកឥទ្ធិពលសុទ្ធ (Net effects) នៃអថេរនីមួយៗ និងមានភាពរឹងមាំខ្លាំងសម្រាប់ទិន្នន័យដែលមានទំហំសំណាកធំ (Large-N)។ ពិបាកពន្យល់ពីអន្តរកម្មស្មុគស្មាញរវាងអថេរលើសពី ៣ សន្មតថាទំនាក់ទំនងមានលក្ខណៈស៊ីមេទ្រី (Symmetrical) និងទាមទារឲ្យអថេរឯករាជ្យពីគ្នា (គ្មាន Multicollinearity) ព្រមទាំងត្រូវការសំណាកធំ (២០០-៣០០ ឡើងទៅ)។ ប្រឈមនឹងការលំបាកក្នុងការវិភាគទម្រង់រចនាសម្ព័ន្ធ (Configuration) ដែលមានអន្តរកម្មស្មុគស្មាញច្រើនដោយសារដែនកំណត់នៃវិធីសាស្ត្រ។

ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់លម្អិតពីថវិកា ប៉ុន្តែវិធីសាស្ត្រនេះទាមទារចំណេះដឹងទ្រឹស្តីជ្រៅជ្រះ និងកម្មវិធីកុំព្យូទ័រជាក់លាក់ដើម្បីដំណើរការទិន្នន័យ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះបានធ្វើការពិនិត្យឡើងវិញលើឯកសារស្រាវជ្រាវអន្តរជាតិចំនួន ១៦៥ និងឯកសារចិនចំនួន ១០ ដែលភាគច្រើនផ្តោតលើទិន្នន័យ និងបរិបទក្រុមហ៊ុននៅប្រទេសអភិវឌ្ឍន៍។ សម្រាប់ប្រទេសកម្ពុជា ដែលទិន្នន័យក្រុមហ៊ុនមានការលាក់បាំង ឬពិបាកប្រមូលទំហំសំណាកធំ វិធីសាស្ត្រនេះមានតម្លៃខ្លាំងណាស់ ព្រោះវាអនុញ្ញាតឱ្យបង្កើតការស្រាវជ្រាវប្រកបដោយគុណភាពទោះបីជាមានទិន្នន័យ (Sample size) តូចក៏ដោយ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ QCA គឺមានភាពពាក់ព័ន្ធ និងមានអត្ថប្រយោជន៍ខ្ពស់សម្រាប់ការស្រាវជ្រាវគ្រប់គ្រងធុរកិច្ចនៅប្រទេសកម្ពុជា ជាពិសេសក្នុងបរិបទដែលទិន្នន័យស្រាវជ្រាវនៅមានកម្រិត។

សរុបមក ការប្រើប្រាស់វិធីសាស្ត្រ QCA នឹងជួយបំពេញចន្លោះប្រហោងនៃកង្វះខាតទិន្នន័យខ្នាតធំ (Big Data) សម្រាប់ការស្រាវជ្រាវនៅកម្ពុជា និងផ្តល់នូវការយល់ដឹងស៊ីជម្រៅអំពីយន្តការនៃភាពជោគជ័យក្នុងអាជីវកម្ម និងស្ថាប័ន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ជំហានទី១៖ សិក្សាមូលដ្ឋានគ្រឹះនៃវិធីសាស្ត្រ QCA: ចាប់ផ្តើមស្វែងយល់ពីទ្រឹស្តីសិត (Set Theory) និងតក្កវិទ្យា Boolean Logic ដោយអានសៀវភៅ ឬឯកសាររបស់លោក Charles Ragin (1987, 2008) ដែលជាស្ថាបនិកនៃវិធីសាស្ត្រនេះ ដើម្បីយល់ពីទស្សនៈនៃសមភាពលទ្ធផល (Equifinality)។
  2. ជំហានទី២៖ ដំឡើង និងរៀនប្រើប្រាស់កម្មវិធី (Software Tools): ទាញយក និងរៀនប្រើប្រាស់កម្មវិធី fsQCA software (ឥតគិតថ្លៃ) ឬកញ្ចប់កូដ QCA package នៅក្នុងកម្មវិធី R ដើម្បីអនុវត្តការគណនាក្បួនតក្កវិទ្យា និងការទាញយកតារាងពិត (Truth Table)។
  3. ជំហានទី៣៖ អនុវត្តការចងក្រងទិន្នន័យ និងការកំណត់កម្រិត (Calibration): ប្រមូលទិន្នន័យសំណាកតូចៗ (ឧទាហរណ៍ ក្រុមហ៊ុនចំនួន ១៥-៥០) នៅកម្ពុជា ហើយសាកល្បងបំប្លែងអថេរដើមទៅជាទិន្នន័យប្រភេទ Fuzzy-set (ពិន្ទុចន្លោះពី ០ ដល់ ១) ដោយពឹងផ្អែកលើការយល់ដឹងទ្រឹស្តីច្បាស់លាស់ដើម្បីកំណត់ចំណុចកាត់ (Anchors)។
  4. ជំហានទី៤៖ អនុវត្តការត្រួតពិនិត្យភាពរឹងមាំ (Robustness Checks): ដើម្បីចៀសវាងការរិះគន់លើលទ្ធផល និស្សិតត្រូវរៀនធ្វើ Robustness tests ដូចជាការផ្លាស់ប្តូរចំណុចកាត់តម្លៃ (Crossover anchors) ឬកែប្រែកម្រិតភាពស៊ីសង្វាក់ (Consistency threshold) ថាតើលទ្ធផលនៅតែរក្សាភាពដើមដែរឬទេ។
  5. ជំហានទី៥៖ វិភាគយន្តការ និងសរសេររបាយការណ៍បកស្រាយលទ្ធផល: ប្រើប្រាស់ការគិតបែប Configuration Perspective ជំនួសឲ្យការគិតបែប Net Effect ដើម្បីបកស្រាយលទ្ធផលដែលរកឃើញ ហើយសរសេរពន្យល់ពីអន្តរកម្មនៃកត្តាផ្សំ (Combinations) ដែលគាំទ្រដល់ទ្រឹស្តីគ្រប់គ្រងអាជីវកម្ម រួចបោះពុម្ពជាឯកសារស្រាវជ្រាវ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Qualitative Comparative Analysis (QCA) វិធីសាស្ត្រស្រាវជ្រាវដែលរួមបញ្ចូលគ្នារវាងការវិភាគបែបគុណភាព និងបរិមាណ ដោយប្រើទ្រឹស្តីសិត (Set theory) និងតក្កវិទ្យា Boolean ដើម្បីស្វែងរកទំនាក់ទំនងនៃកត្តាផ្សេងៗដែលរួមបញ្ចូលគ្នាបង្កើតបានជាលទ្ធផលមួយ ជាជាងការមើលតែលើកត្តាមួយដាច់ដោយឡែក។ ដូចជាការរកមើលរូបមន្តធ្វើម្ហូបផ្សេងៗគ្នា ដែលអ្នករៀនដឹងថាការផ្សំគ្រឿងរបៀបណាខ្លះទើបធ្វើឲ្យម្ហូបឆ្ងាញ់ ជាជាងការគិតថាគ្រឿងផ្សំតែមួយមុខអាចធ្វើឲ្យម្ហូបឆ្ងាញ់។
Configuration ទស្សនវិស័យក្នុងការស្រាវជ្រាវដែលផ្តោតទៅលើការប្រមូលផ្តុំ ឬការរួមបញ្ចូលគ្នានៃអថេរ/កត្តាច្រើនក្នុងពេលតែមួយ (ឧទាហរណ៍៖ យុទ្ធសាស្ត្រ រចនាសម្ព័ន្ធ និងបរិស្ថាន) ដើម្បីពន្យល់ពីបាតុភូតមួយ ជំនួសឲ្យការបំបែកអថេរទាំងនោះចេញពីគ្នា។ ដូចជាការវាយតម្លៃក្រុមតន្ត្រីមួយដោយស្តាប់ថាតើពួកគេលេងស៊ីចង្វាក់គ្នាឬអត់ ជាជាងការស្តាប់សំឡេងឧបករណ៍តន្ត្រីនីមួយៗដាច់ពីគ្នា។
Equifinality គោលគំនិតដែលបញ្ជាក់ថា លទ្ធផលដូចគ្នាមួយអាចសម្រេចបានតាមរយៈផ្លូវ ឬការបន្សំនៃកត្តាដើម (Initial conditions) ដែលខុសៗគ្នាជាច្រើន។ ប្រព័ន្ធបើកចំហអាចឈានដល់គោលដៅតែមួយតាមយន្តការផ្សេងៗគ្នា។ ដូចជាសុភាសិត "ផ្លូវទាំងអស់ឆ្ពោះទៅក្រុងរ៉ូម" មានន័យថាទោះបីជាអ្នកធ្វើដំណើរតាមផ្លូវខុសគ្នាក៏ដោយ ក៏អ្នកនៅតែអាចទៅដល់គោលដៅតែមួយបានដូចគ្នា។
Causal Asymmetry ភាពមិនស៊ីមេទ្រីនៃហេតុផល មានន័យថាកត្តាដែលរួមផ្សំគ្នាធ្វើឲ្យទទួលបានលទ្ធផលវិជ្ជមាន (ភាពជោគជ័យ) មិនប្រាកដថាអវត្តមាននៃកត្តាទាំងនោះគឺជាមូលហេតុដែលនាំទៅរកលទ្ធផលអវិជ្ជមាន (ភាពបរាជ័យ) នោះទេ ពោលគឺវាមានរចនាសម្ព័ន្ធហេតុផលខុសគ្នា។ ដូចជាការលេបថ្នាំអាចធ្វើឲ្យអ្នកជាសះស្បើយពីជំងឺ ប៉ុន្តែការមិនបានលេបថ្នាំមិនមែនជាមូលហេតុដែលធ្វើឲ្យអ្នកកើតជំងឺនោះតាំងពីដំបូងឡើយ។
Fuzzy-set Qualitative Comparative Analysis (fsQCA) ទម្រង់មួយនៃការវិភាគ QCA ដែលអនុញ្ញាតឲ្យទិន្នន័យមានតម្លៃជាកម្រិតបន្តបន្ទាប់ចន្លោះពី ០ ដល់ ១ (ឧទាហរណ៍៖ ០.៧៥ គឺជារបស់សិតមួយកម្រិតខ្ពស់, ០.២៥ គឺកម្រិតទាប) ជំនួសឲ្យការបែងចែកដាច់ស្រឡះត្រឹមតែ ០ (ទេ) និង ១ (បាទ/ចាស) ដូចវិធីសាស្ត្រ csQCA។ ដូចជាការវាយតម្លៃអាកាសធាតុថាមិនមែនមានត្រឹមតែ "ក្តៅ" ឬ "ត្រជាក់" នោះទេ តែវាអាចជា "ក្តៅល្មម" ឬ "ត្រជាក់ខ្លាំង" ដោយប្រាប់ពីកម្រិតច្បាស់លាស់។
Truth Table តារាងដែលបង្ហាញពីការបន្សំដែលអាចកើតមានទាំងអស់នៃកត្តាដើម (Conditions) និងលទ្ធផលដែលទទួលបាន ដើម្បីជួយអ្នកស្រាវជ្រាវកំណត់កាត់បន្ថយភាពស្មុគស្មាញ និងទាញយករចនាសម្ព័ន្ធកត្តាណាដែលជាលក្ខខណ្ឌចាំបាច់ ឬគ្រប់គ្រាន់។ ដូចជាតារាងបញ្ជីរាយនាមវត្ថុធាតុដើមទាំងអស់ ហើយគូសបញ្ជាក់ថាតើការផ្សំផ្គុំមួយណាខ្លះដែលអាចបង្កើតជានំខេកមួយបានដោយជោគជ័យ។
Robustness Test ការធ្វើតេស្តភាពរឹងមាំ ដោយការផ្លាស់ប្តូរលក្ខខណ្ឌមួយចំនួនក្នុងការវិភាគ (ដូចជាការប្តូរចំណុចកាត់តម្លៃទិន្នន័យ ការបន្ថែមអថេរ ឬការប្រើទិន្នន័យផ្សេង) ដើម្បីត្រួតពិនិត្យថាតើលទ្ធផលនៃការស្រាវជ្រាវនៅតែរក្សាបានភាពត្រឹមត្រូវនិងដូចដើមដែរឬយ៉ាងណា។ ដូចជាការសាកល្បងបើកបររថយន្តនៅលើផ្លូវរលាក់ ផ្លូវកោង និងផ្លូវរអិល ដើម្បីបញ្ជាក់ថារថយន្តនេះពិតជាមានភាពរឹងមាំ និងដំណើរការល្អក្នុងគ្រប់ស្ថានភាព។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖