Original Title: Digital Competencies as Predictors of Academic Self-Efficacy: Correlations and Implications for Educational Development
Source: doi.org/10.3390/soc14110226
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

សមត្ថភាពឌីជីថលជាកត្តាព្យាករណ៍នៃប្រសិទ្ធភាពស្វ័យភាពផ្នែកសិក្សាធិការ៖ ទំនាក់ទំនង និងផលវិបាកសម្រាប់ការអភិវឌ្ឍវិស័យអប់រំ

ចំណងជើងដើម៖ Digital Competencies as Predictors of Academic Self-Efficacy: Correlations and Implications for Educational Development

អ្នកនិពន្ធ៖ Vicente González-Prida (University of Seville), Julima Gisella Chuquin-Berrios (Peruvian University of Los Andes), Fabricio Miguel Moreno-Menéndez (Peruvian University of Los Andes), Jesús César Sandoval-Trigos (Peruvian University of Los Andes), Diana Pariona-Amaya (Peruvian University of Los Andes), Kesler Osmar Gómez-Bernaola (Peruvian University of Los Andes)

ឆ្នាំបោះពុម្ព៖ Societies 2024

វិស័យសិក្សា៖ Educational Technology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការកំណត់ទំនាក់ទំនងរវាងសមត្ថភាពឌីជីថល (Digital Competencies) និងប្រសិទ្ធភាពស្វ័យភាពផ្នែកសិក្សាធិការ (Academic Self-Efficacy) របស់និស្សិតសាកលវិទ្យាល័យនៅក្នុងតំបន់ Selva Central នៃប្រទេសប៉េរូ ដើម្បីយល់ដឹងពីឥទ្ធិពលនៃកត្តាទាំងនេះទៅលើភាពជោគជ័យក្នុងការសិក្សា។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ការរចនាបែបបរិមាណ (Quantitative Design) និងការធ្វើតេស្តសម្មតិកម្ម ដោយប្រមូលទិន្នន័យពីនិស្សិតចំនួន ១៨៨ នាក់ តាមរយៈកម្រងសំណួរដែលបានធ្វើសុពលភាពរួចជាស្រេច។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Digital Content Creation (Variable Analysis)
ការវិភាគអថេរ៖ ការបង្កើតមាតិកាឌីជីថល
មានទំនាក់ទំនងវិជ្ជមានខ្លាំងបំផុតជាមួយប្រសិទ្ធភាពស្វ័យភាពផ្នែកសិក្សាធិការ (Academic Self-Efficacy)។ បង្ហាញពីសមត្ថភាពអនុវត្តជាក់ស្តែង និងភាពច្នៃប្រឌិតរបស់និស្សិត។ ទាមទារជំនាញបច្ចេកទេសកម្រិតខ្ពស់ និងកម្មវិធីកុំព្យូទ័រ (Software) ជាក់លាក់ដែលនិស្សិតមួយចំនួនអាចខ្វះខាត។ មេគុណសហសម្ព័ន្ធស្ពៀមែន (Spearman's rho) = 0.863, p = 0.000
Communication and Collaboration (Variable Analysis)
ការវិភាគអថេរ៖ ការប្រាស្រ័យទាក់ទង និងការសហការ
ងាយស្រួលក្នុងការដាក់បញ្ចូលទៅក្នុងសកម្មភាពសិក្សាជាក្រុម និងជួយជំរុញអន្តរកម្មរវាងនិស្សិតនិងគ្រូ។ ទាមទារការតភ្ជាប់អ៊ីនធឺណិតដែលមានស្ថិរភាព និងការយល់ដឹងពីក្រមសីលធម៌នៃការប្រាស្រ័យទាក់ទងតាមប្រព័ន្ធឌីជីថល។ មេគុណសហសម្ព័ន្ធស្ពៀមែន (Spearman's rho) = 0.853, p = 0.000
Information and Data Literacy (Variable Analysis)
ការវិភាគអថេរ៖ អក្ខរកម្មព័ត៌មាន និងទិន្នន័យ
ជាមូលដ្ឋានគ្រឹះដ៏សំខាន់សម្រាប់ការស្រាវជ្រាវ និងការវាយតម្លៃប្រភពព័ត៌មានត្រឹមត្រូវ។ និស្សិតភាគច្រើន (៤៦.៨១%) នៅមានកម្រិតខ្សោយលើផ្នែកនេះនៅឡើយ ដែលទាមទារការបណ្តុះបណ្តាលបន្ថែមយ៉ាងច្រើន។ មេគុណសហសម្ព័ន្ធស្ពៀមែន (Spearman's rho) = 0.724, p = 0.000
Digital Problem-Solving (Variable Analysis)
ការវិភាគអថេរ៖ ការដោះស្រាយបញ្ហាតាមបែបឌីជីថល
ជួយឱ្យនិស្សិតអាចប្រើប្រាស់បច្ចេកវិទ្យាដើម្បីដោះស្រាយបញ្ហាជាក់ស្តែងប្រកបដោយភាពច្នៃប្រឌិត។ មានអត្រានិស្សិតកម្រិតខ្សោយខ្ពស់បំផុត (៥០%) ដោយសារវាទាមទារការគិតស៊ីជម្រៅ និងបទពិសោធន៍។ មេគុណសហសម្ព័ន្ធស្ពៀមែន (Spearman's rho) = 0.716, p = 0.000

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនតម្រូវឱ្យមានធនធានបច្ចេកវិទ្យាស្មុគស្មាញសម្រាប់ការអនុវត្តការស្រាវជ្រាវនោះទេ ដោយពឹងផ្អែកជាចម្បងលើកម្មវិធីវិភាគទិន្នន័យស្ថិតិ និងកម្រងសំណួរស្តង់ដារ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ Selva Central (តំបន់ព្រៃកណ្តាល) នៃប្រទេសប៉េរូ ដែលមានភាពចម្រុះជាតិសាសន៍ និងមានបញ្ហាប្រឈមផ្នែកសេដ្ឋកិច្ច-សង្គម ព្រមទាំងកង្វះខាតហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យា។ បរិបទនេះគឺស្រដៀងគ្នាខ្លាំងទៅនឹងប្រទេសកម្ពុជា ជាពិសេសនៅតាមតំបន់ជនបទ ឬសាកលវិទ្យាល័យតាមបណ្តាខេត្ត ដែលសិស្សតែងតែជួបប្រទះការលំបាកក្នុងការទទួលបានឧបករណ៍សិក្សា និងអ៊ីនធឺណិតគ្រប់គ្រាន់។ ទោះជាយ៉ាងណា ទំហំសំណាកត្រឹមតែ ១៨៨ នាក់ពីមុខជំនាញគណនេយ្យ និងគ្រប់គ្រងប្រព័ន្ធ អាចនឹងមិនឆ្លុះបញ្ចាំងពេញលេញពីនិស្សិតនៅគ្រប់មុខជំនាញនោះទេ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងលទ្ធផលនៃការស្រាវជ្រាវនេះមានអត្ថប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពសម្រាប់ប្រព័ន្ធអប់រំឧត្តមសិក្សានៅកម្ពុជា។

ការដាក់បញ្ចូលការបណ្តុះបណ្តាលអក្ខរកម្មឌីជីថលទៅក្នុងកម្មវិធីសិក្សាគោល មិនត្រឹមតែជួយឱ្យនិស្សិតកម្ពុជាពូកែខាងបច្ចេកវិទ្យាប៉ុណ្ណោះទេ តែថែមទាំងជួយជំរុញទំនុកចិត្តលើខ្លួនឯង ដែលជាកត្តាកាត់បន្ថយអត្រាបោះបង់ការសិក្សាផងដែរ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ស្វែងយល់ពីក្របខ័ណ្ឌអក្ខរកម្មឌីជីថល (Understand Digital Frameworks): និស្សិត និងអ្នកស្រាវជ្រាវគួរតែអាន និងស្វែងយល់ពីក្របខ័ណ្ឌស្តង់ដារអឺរ៉ុប DigComp 2.1 ដើម្បីដឹងពីវិសាលភាពទាំង៥ នៃសមត្ថភាពឌីជីថលដែលចាំបាច់សម្រាប់ការសិក្សានិងការងារ។
  2. វាយតម្លៃសមត្ថភាពផ្ទាល់ខ្លួន (Assess Baseline Skills): ប្រើប្រាស់កម្រងសំណួរវាយតម្លៃ IEAA (Inventory of Expectations of Academic Self-Efficacy) ដើម្បីវាស់ស្ទង់កម្រិតទំនុកចិត្តលើការសិក្សារបស់ខ្លួនឯង ធៀបនឹងជំនាញឌីជីថលបច្ចុប្បន្ន។
  3. ពង្រឹងការសហការ និងការបង្កើតមាតិកា (Enhance Collaboration & Creation): អនុវត្តការធ្វើការងារជាក្រុមដោយប្រើប្រាស់ឧបករណ៍ Google WorkspaceMicrosoft 365 និងរៀនបង្កើតមាតិកាឌីជីថលតាមរយៈកម្មវិធីដូចជា Canva ជាដើម ដើម្បីបង្កើនប្រសិទ្ធភាពស្វ័យភាព (Self-Efficacy) របស់ខ្លួន។
  4. អនុវត្តការវិភាគទិន្នន័យស្រាវជ្រាវ (Apply Data Analysis Techniques): ប្រមូលទិន្នន័យពីនិស្សិតផ្សេងទៀត ហើយប្រើប្រាស់កម្មវិធី SPSSExcel ដើម្បីគណនាមេគុណសហសម្ព័ន្ធ Spearman's Correlation (rho) សម្រាប់គម្រោងសារណារបស់អ្នក ទាក់ទងនឹងបច្ចេកវិទ្យាអប់រំនៅកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Academic self-efficacy គឺជាជំនឿទុកចិត្តលើសមត្ថភាពខ្លួនឯងរបស់និស្សិតក្នុងការរៀបចំផែនការ និងអនុវត្តសកម្មភាពនានា ដើម្បីសម្រេចបាននូវគោលដៅសិក្សា ឬលទ្ធផលដែលរំពឹងទុក។ វាជះឥទ្ធិពលយ៉ាងខ្លាំងដល់ការខិតខំប្រឹងប្រែង ការតស៊ូ និងការមិនបោះបង់ការសិក្សានៅពេលជួបការលំបាក។ ដូចជាកីឡាករម្នាក់ដែលជឿជាក់១០០% ថាខ្លួនមានកម្លាំង និងបច្ចេកទេសគ្រប់គ្រាន់អាចរត់ម៉ារ៉ាតុងដល់ទីដៅ ទោះបីជាហត់យ៉ាងណាក៏ដោយ។
Spearman correlation coefficient ជារង្វាស់ស្ថិតិមិនប្រើប៉ារ៉ាម៉ែត្រ (Non-parametric) ដែលប្រើសម្រាប់វាយតម្លៃកម្រិត និងទិសដៅនៃទំនាក់ទំនងរវាងអថេរពីរដែលមានទម្រង់ជាលំដាប់ថ្នាក់ (Ordinal data) ដោយមិនទាមទារឱ្យទិន្នន័យមានរបាយធម្មតា (Normal distribution) នោះទេ។ វាប្រាប់យើងថាតើកត្តាពីរដើរស្របគ្នាឬផ្ទុយគ្នា។ ដូចជាការប្រៀបធៀបចំណាត់ថ្នាក់សិស្សពីរមុខវិជ្ជា៖ បើសិស្សណាដែលពូកែគណិតវិទ្យា ច្រើនតែពូកែរូបវិទ្យាដែរ នោះមានន័យថាវាមានទំនាក់ទំនងគ្នាជាវិជ្ជមានកម្រិតខ្ពស់។
Technology Acceptance Model (TAM) ជាទ្រឹស្តីដែលពន្យល់ពីមូលហេតុដែលមនុស្សម្នាក់សម្រេចចិត្តប្រើប្រាស់បច្ចេកវិទ្យាថ្មីមួយ ដោយផ្អែកលើកត្តាចម្បងពីរគឺ៖ ការយល់ឃើញពីអត្ថប្រយោជន៍ (Perceived Usefulness) និងភាពងាយស្រួលក្នុងការប្រើប្រាស់ (Perceived Ease of Use)។ ដូចជាការសម្រេចចិត្តប្រើកម្មវិធី Telegram ជំនួសសារ SMS ធម្មតា ព្រោះវាផ្ញើរូបច្បាស់ជាង (មានប្រយោជន៍) និងងាយស្រួលចុចផ្ញើជាសំឡេង (ងាយស្រួលប្រើ)។
DigComp framework ជាក្របខ័ណ្ឌសមត្ថភាពឌីជីថលស្តង់ដាររបស់សហភាពអឺរ៉ុប ដែលបែងចែកជំនាញឌីជីថលជា៥ផ្នែកធំៗ (អក្ខរកម្មព័ត៌មាន ការប្រាស្រ័យទាក់ទង ការបង្កើតមាតិកា សុវត្ថិភាព និងការដោះស្រាយបញ្ហា) ដើម្បីធ្វើជាគោលការណ៍វាយតម្លៃថាតើបុគ្គលម្នាក់មានសមត្ថភាពប្រើប្រាស់បច្ចេកវិទ្យាកម្រិតណា។ ដូចជាតារាងពិន្ទុវាយតម្លៃសមត្ថភាពអ្នកបើកបរ តែនេះគឺជាការវាយតម្លៃថាតើយើងពូកែប្រើកុំព្យូទ័រ និងអ៊ីនធឺណិតបានត្រឹមត្រូវ និងមានសុវត្ថិភាពកម្រិតណា។
Information and information literacy ជាសមត្ថភាពក្នុងការស្វែងរក វាយតម្លៃ វិភាគ និងប្រើប្រាស់ព័ត៌មានពីប្រភពឌីជីថលប្រកបដោយប្រសិទ្ធភាព និងក្រមសីលធម៌។ វាជួយឱ្យអ្នកប្រើប្រាស់អាចទាញយកទិន្នន័យបានត្រឹមត្រូវ និងអាចបែងចែករវាងព័ត៌មានពិត និងព័ត៌មានក្លែងក្លាយ។ ដូចជាការចេះរើសផ្សិតនៅក្នុងព្រៃ ដោយមានចំណេះដឹងដឹងច្បាស់ថាផ្សិតមួយណាអាចយកមកធ្វើម្ហូបបាន និងផ្សិតមួយណាមានពិសដែលត្រូវជៀសវាង។
Socio-Cognitive Theory ជាទ្រឹស្តីចិត្តសាស្ត្ររបស់លោក Albert Bandura ដែលពន្យល់ថាអាកប្បកិរិយារបស់មនុស្សកើតចេញពីអន្តរកម្មវិលជុំរវាងកត្តាផ្ទាល់ខ្លួន (ដូចជាការគិត និងជំនឿ) អាកប្បកិរិយា និងមជ្ឈដ្ឋានជុំវិញ។ ទ្រឹស្តីនេះសង្កត់ធ្ងន់ថាមនុស្សមានសមត្ថភាពបញ្ជា និងគ្រប់គ្រងទង្វើរបស់ខ្លួនឯងបាន។ ដូចជាកញ្ចក់ចំណាំងផ្លាតត្រីកោណ៖ បើយើងគិតថាយើងអាចធ្វើបាន (ចិត្ត) យើងនឹងខំប្រឹងរៀន (សកម្មភាព) ហើយទទួលបានពិន្ទុល្អពីរង្វង់គ្រួសារសាលា (បរិស្ថាន) ដែលជួយឱ្យចិត្តយើងកាន់តែជឿជាក់ថែមទៀត។
Problem-solving ក្នុងបរិបទសមត្ថភាពឌីជីថល វាសំដៅលើសមត្ថភាពក្នុងការកំណត់តម្រូវការបច្ចេកទេស ការសម្រេចចិត្តជ្រើសរើសឧបករណ៍ឌីជីថលត្រឹមត្រូវ និងការប្រើប្រាស់បច្ចេកវិទ្យាប្រកបដោយភាពច្នៃប្រឌិតដើម្បីដោះស្រាយបញ្ហាប្រឈមនានាប្រកបដោយប្រសិទ្ធភាព។ ដូចជាការចេះប្រើប្រាស់កម្មវិធី Google Maps ដើម្បីរកផ្លូវវាងទៅកាន់គោលដៅ នៅពេលដែលផ្លូវធំកំពុងមានការកកស្ទះចរាចរណ៍ខ្លាំង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖