Original Title: ศึกษาความสัมพันธ์ระหว่างความพึงพอใจในการปฏิบัติงานกับความสําเร็จของงาน กรณีศึกษา บริษัทสวัสดิ อุดมเอ็นจิเนียริง (ระยอง) จํากัด
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការសិក្សាអំពីទំនាក់ទំនងរវាងការពេញចិត្តក្នុងការបំពេញការងារ និងភាពជោគជ័យនៃការងារ៖ សិក្សាករណីក្រុមហ៊ុន Sawatudom Engineering (Rayong) Co., Ltd.

ចំណងជើងដើម៖ ศึกษาความสัมพันธ์ระหว่างความพึงพอใจในการปฏิบัติงานกับความสําเร็จของงาน กรณีศึกษา บริษัทสวัสดิ อุดมเอ็นจิเนียริง (ระยอง) จํากัด

អ្នកនិពន្ធ៖ Tatiya Winatha

ឆ្នាំបោះពុម្ព៖ 2015, Burapha University

វិស័យសិក្សា៖ Business Administration

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ក្រុមហ៊ុន Sawatudom Engineering ប្រឈមនឹងបញ្ហាអត្រាលាឈប់របស់បុគ្គលិកខ្ពស់ដែលប៉ះពាល់ដល់ប្រសិទ្ធភាពការងារ ហេតុនេះការសិក្សានេះមានគោលបំណងស្វែងយល់ពីទំនាក់ទំនងរវាងការពេញចិត្តក្នុងការបំពេញការងារ និងភាពជោគជ័យនៃលទ្ធផលការងាររបស់បុគ្គលិក ដើម្បីស្វែងរកដំណោះស្រាយសមស្រប។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្រ្តស្រាវជ្រាវបរិមាណវិស័យ ដោយប្រមូលទិន្នន័យពីបុគ្គលិកក្រុមហ៊ុនតាមរយៈកម្រងសំណួរ និងវិភាគដោយប្រើប្រាស់ស្ថិតិពិពណ៌នានិងស្ថិតិអនុមាន។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Descriptive Statistics
ស្ថិតិពិពណ៌នា (Descriptive Statistics)
ងាយស្រួលយល់ និងជួយបង្ហាញពីរូបភាពរួមនៃទិន្នន័យ ដូចជាកម្រិតនៃការពេញចិត្តរបស់បុគ្គលិកតាមរយៈការគណនាមធ្យមភាគ (Mean) និងភាគរយ។ មិនអាចបញ្ជាក់ពីទំនាក់ទំនងស៊ីជម្រៅ ឬកម្រិតឥទ្ធិពលនៃអថេរមួយទៅលើអថេរមួយទៀតបានឡើយ។ បានបង្ហាញថា ការពេញចិត្តជារួមនៃការអនុវត្តការងារ និងលទ្ធផលការងារ គឺស្ថិតក្នុងកម្រិតខ្ពស់ (Mean ចន្លោះពី 3.41 ដល់ 4.45)។
Multiple Linear Regression
ការវិភាគតំរែតំរង់លីនេអ៊ែរពហុគុណ (Multiple Linear Regression)
អាចវាស់ស្ទង់ឥទ្ធិពលនៃកត្តាជាច្រើន (អថេរឯករាជ្យ) ទៅលើលទ្ធផលតែមួយ (អថេរអនាមិក) ព្រមទាំងប្រាប់ពីកម្រិតនៃឥទ្ធិពលនីមួយៗបានយ៉ាងច្បាស់លាស់។ ទាមទារឱ្យទិន្នន័យមានលក្ខណៈធម្មតា (Normal Distribution) និងត្រូវត្រួតពិនិត្យបញ្ហា Multicollinearity ជាមុនសិនទើបលទ្ធផលអាចទុកចិត្តបាន។ រកឃើញថាកត្តាពេញចិត្តក្នុងការងារអាចពន្យល់ពីភាពជោគជ័យនៃការងារបាន ៧៩.៥% (R Square = 0.795) ដោយកត្តាបរិយាកាសការងារមានឥទ្ធិពលជាងគេ (Beta = 0.415)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនទាមទារធនធានកុំព្យូទ័រធំដុំ (High-Performance Computing) ទេ ប៉ុន្តែត្រូវការកម្មវិធីស្ថិតិ និងទិន្នន័យពីការស្ទង់មតិផ្ទាល់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងក្រុមហ៊ុនវិស្វកម្ម Sawatudom Engineering ក្នុងខេត្តរ៉ាក់យ៉ង (Rayong) ប្រទេសថៃ ដែលផ្តោតលើបុគ្គលិកផ្នែកសំណង់និងវិស្វកម្មតែមួយប៉ុណ្ណោះ។ លទ្ធផលអាចឆ្លុះបញ្ចាំងតែពីវប្បធម៌ការងារក្នុងវិស័យឧស្សាហកម្មរឹងនេះ ហើយប្រហែលជាមិនតំណាងឲ្យការិយាល័យ ឬវិស័យសេវាកម្មទូទៅទេ។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងនេះមានសារៈសំខាន់ក្នុងការអនុវត្តចំពោះក្រុមហ៊ុនវិស្វកម្ម ឬរោងចក្រ តែអាចនឹងត្រូវកែតម្រូវបន្តិចបន្តួចបើអនុវត្តក្នុងវិស័យផ្សេង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្រ្តស្រាវជ្រាវ និងរបកគំហើញនៃកត្តាដែលជះឥទ្ធិពលដល់ភាពជោគជ័យនេះ ពិតជាមានប្រយោជន៍ខ្លាំងសម្រាប់ការគ្រប់គ្រងធនធានមនុស្សនៅកម្ពុជា។

សរុបមក ការយកចិត្តទុកដាក់លើបរិយាកាសការងារ និងការរៀបចំគោលនយោបាយច្បាស់លាស់ គឺជាកត្តាគន្លឹះដែលអាចយកទៅអនុវត្តបានភ្លាមៗដើម្បីបង្កើនប្រសិទ្ធភាពការងារនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះទ្រឹស្តីធនធានមនុស្ស: ស្វែងយល់ពីទ្រឹស្តីកត្តាជម្រុញ (Motivation Theories) ដូចជា Herzberg's Two-Factor Theory ដើម្បីដឹងពីកត្តាដែលធ្វើឱ្យបុគ្គលិកពេញចិត្ត (កត្តាជំរុញ) និងកត្តាការពារកុំឱ្យមានការមិនពេញចិត្ត (កត្តាអនាម័យ)។
  2. ការរចនាកម្រងសំណួរ (Questionnaire Design): បង្កើតកម្រងសំណួរដោយប្រើមាត្រដ្ឋានវាស់ស្ទង់ (Likert Scale ១ ដល់ ៥) ដើម្បីវាស់ស្ទង់អថេរដូចជា គោលនយោបាយ សុខុមាលភាព និងបរិយាកាសការងារ ដោយអាចប្រើឧបករណ៍ Google FormsKoboToolbox
  3. ការប្រមូល និងសម្អាតទិន្នន័យ (Data Collection & Cleaning): ចែកចាយកម្រងសំណួរទៅកាន់បុគ្គលិកគោលដៅ (ប្រើការជ្រើសរើសគំរូ Stratified Sampling បើមានផ្នែកច្រើន) រួចប្រមូលទិន្នន័យមកសម្អាត កម្ចាត់ទិន្នន័យដែលឆ្លើយមិនពេញលេញ ដោយប្រើ Microsoft Excel
  4. ការវិភាគស្ថិតិដោយប្រើកម្មវិធី (Statistical Analysis): បញ្ចូលទិន្នន័យទៅក្នុងកម្មវិធី SPSSJAMOVI ដើម្បីធ្វើការវិភាគ Descriptive Statistics (មធ្យមភាគ ភាគរយ) និង Multiple Linear Regression ដើម្បីរកមើលទំនាក់ទំនងរវាងកត្តាពេញចិត្តនិងភាពជោគជ័យនៃការងារ។
  5. ការបកស្រាយលទ្ធផល និងបង្កើតយុទ្ធសាស្ត្រកែលម្អ: យកលទ្ធផលដែលវិភាគបាន មកប្រៀបធៀបមើលថាតើកត្តាណាមានឥទ្ធិពលខ្លាំងជាងគេ (មើលលើតម្លៃ Beta) រួចសរសេរជារបាយការណ៍ផ្តល់អនុសាសន៍ដល់ថ្នាក់ដឹកនាំដើម្បីកែលម្អគោលនយោបាយក្រុមហ៊ុនឱ្យចំគោលដៅ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Multiple linear regression ជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីស្វែងយល់ពីឥទ្ធិពលនៃកត្តាជាច្រើន (អថេរឯករាជ្យ) ក្នុងពេលតែមួយ ទៅលើលទ្ធផលតែមួយ (អថេរអនាមិក) ដូចជាការរកមើលថាតើគោលនយោបាយក្រុមហ៊ុន សុខុមាលភាព និងបរិយាកាសការងារ ជះឥទ្ធិពលរួមគ្នាយ៉ាងណាដល់ភាពជោគជ័យនៃការងារ។ ដូចជាការរកមើលថាតើគ្រឿងផ្សំអ្វីខ្លះ (អំបិល ស្ករ ទឹកត្រី) ដែលធ្វើឱ្យសម្លមួយចានមានរសជាតិឆ្ងាញ់ជាងគេ។
Herzberg's two-factor theory ជាទ្រឹស្តីចិត្តវិទ្យាដែលបែងចែកកត្តាការងារជាពីរគឺ កត្តាជំរុញ (Motivation) ដែលធ្វើឱ្យបុគ្គលិកពេញចិត្ត (ដូចជាការទទួលស្គាល់ ភាពជោគជ័យ) និងកត្តាអនាម័យ (Hygiene) ដែលការពារកុំឱ្យបុគ្គលិកមិនពេញចិត្ត (ដូចជាប្រាក់ខែ គោលនយោបាយក្រុមហ៊ុន)។ បើគ្មានកត្តាអនាម័យទេ បុគ្គលិកនឹងខកចិត្ត តែបើមានកត្តាជំរុញទើបពួកគេខិតខំធ្វើការ។ ប្រៀបដូចជាការថែទាំឡាន៖ ការចាក់សាំង (កត្តាអនាម័យ) គ្រាន់តែជួយឱ្យឡានរត់បាន តែការដាក់ម៉ាស៊ីនធំ (កត្តាជំរុញ) ទើបធ្វើឱ្យឡានរត់បានលឿនអស្ចារ្យ។
Theory X and Theory Y ជាទ្រឹស្តីគ្រប់គ្រងរបស់ McGregor ដែលឆ្លុះបញ្ចាំងពីទស្សនៈរបស់អ្នកដឹកនាំ។ Theory X ចាត់ទុកថាមនុស្សខ្ជិល និងត្រូវតែបង្ខំទើបធ្វើការ រីឯ Theory Y ចាត់ទុកថាមនុស្សចូលចិត្តធ្វើការ មានការទទួលខុសត្រូវ និងមានគំនិតច្នៃប្រឌិតប្រសិនបើមានបរិយាកាសល្អ។ ដូចជារបៀបចិញ្ចឹមកូន៖ ឪពុកម្តាយខ្លះគិតថាកូនត្រូវតែវាយទើបរៀន (Theory X) ឯអ្នកខ្លះទៀតគិតថាគ្រាន់តែលើកទឹកចិត្ត កូននឹងរៀនដោយខ្លួនឯង (Theory Y)។
Convenience sampling ជាវិធីសាស្ត្រជ្រើសរើសអ្នកចូលរួមក្នុងការស្រាវជ្រាវ ដោយយកអ្នកដែលងាយស្រួលរកបំផុត ឬអ្នកដែលនៅជិតដៃបំផុត ដោយមិនបានធ្វើការចាប់ឆ្នោត ឬជ្រើសរើសតាមលក្ខណៈប្រូបាប៊ីលីតេ (Probability) ឡើយ។ ដូចជាអ្នកសារព័ត៌មានដែលចុះទៅសួរអ្នកដើរតាមផ្លូវដែលដើរកាត់មុខគាត់ផ្ទាល់ ដើម្បីយកព័ត៌មានភ្លាមៗ។
Stratified sampling ជាវិធីសាស្ត្រជ្រើសរើសគំរូដោយបែងចែកចំនួនប្រជាជនសរុបជាក្រុមតូចៗ (Stratum) ជាមុនសិន (ឧ. បែងចែកតាមនាយកដ្ឋាន) រួចទើបជ្រើសរើសគំរូចេញពីក្រុមនីមួយៗតាមសមាមាត្រ ដើម្បីធានាថាក្រុមតូចៗទាំងអស់ត្រូវបានតំណាងដោយសមធម៌។ ដូចជាការភ្លក់ម្ហូបក្នុងកម្មវិធីជប់លៀង ដោយអ្នកត្រូវដួសភ្លក់បន្តិចពីចានសម្លនីមួយៗ ដើម្បីដឹងថារសជាតិរួមនៃកម្មវិធីនោះឆ្ងាញ់កម្រិតណា។
Key performance indicators (KPI) ជាសូចនាករ ឬរង្វាស់គោលដៅជាក់លាក់ដែលស្ថាប័នប្រើប្រាស់ដើម្បីវាស់ស្ទង់ថាតើបុគ្គលិក ឬនាយកដ្ឋានមួយបានបំពេញការងារជោគជ័យកម្រិតណាធៀបនឹងគោលដៅដែលបានកំណត់ទុក។ ប្រៀបដូចជាតារាងពិន្ទុក្នុងការប្រកួតបាល់ទាត់ ដែលប្រាប់ឱ្យដឹងថាក្រុមណាទាត់ចូលទីបានប៉ុន្មានគ្រាប់ ហើយជិតឈ្នះឬនៅ។
Item-Objective Congruence (IOC) ជារង្វាស់ដែលប្រើដើម្បីវាយតម្លៃសុពលភាពនៃខ្លឹមសារ (Content Validity) នៃកម្រងសំណួរដោយអ្នកជំនាញ ដោយពិនិត្យថាតើសំណួរនីមួយៗពិតជាសួរចំគោលបំណងនៃការស្រាវជ្រាវឬអត់ (ពិន្ទុចន្លោះពី -1 ដល់ 1 ដោយយកពិន្ទុ > 0.5 ឡើងទៅ)។ ដូចជាការឱ្យគ្រូពេទ្យពិនិត្យមើលវេជ្ជបញ្ជាមុននឹងផ្សំថ្នាំឱ្យអ្នកជំងឺ ដើម្បីធានាថាថ្នាំនេះពិតជាត្រូវនឹងជំងឺដែលចង់ព្យាបាលពិតប្រាកដមែន។
Cronbach's alpha ជារង្វាស់ស្ថិតិដែលគេប្រើដើម្បីត្រួតពិនិត្យភាពអាចទុកចិត្តបាន (Reliability) ឬភាពសង្គតិភាពនៃកម្រងសំណួរ ពោលគឺវាស់ថាតើសំណួរទាំងអស់នៅក្នុងកម្រងសំណួរនោះកំពុងវាស់ស្ទង់រឿងតែមួយ និងមានចម្លើយស្របគ្នាឬអត់ (ជាទូទៅបើទំហំ > 0.7 គឺអាចទទួលយកបាន)។ ដូចជាការថ្លឹងទម្ងន់ខ្លួនឯងលើជញ្ជីង៣ដងជាប់ៗគ្នា ហើយជញ្ជីងនោះបង្ហាញតួលេខដដែលៗ ដែលបញ្ជាក់ថាជញ្ជីងនោះដើរត្រូវ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖