បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងកំណត់ និងវាយតម្លៃកត្តាដែលជះឥទ្ធិពលដល់លទ្ធផលសិក្សារបស់និស្សិតមហាវិទ្យាល័យសេដ្ឋកិច្ច និងគ្រប់គ្រងពាណិជ្ជកម្ម ដើម្បីផ្តល់មូលដ្ឋានសម្រាប់ដំណោះស្រាយលើកកម្ពស់គុណភាពអប់រំ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ការស្ទង់មតិ និងវិធីសាស្ត្រវិភាគទិន្នន័យបរិមាណ ដើម្បីស្វែងរកទំនាក់ទំនងរវាងកត្តាផ្សេងៗ និងលទ្ធផលនៃការសិក្សា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Exploratory Factor Analysis (EFA) ការវិភាគកត្តាស្វែងយល់ |
ជួយបង្រួមអថេរជាច្រើន (៥២ អថេរ) ទៅជាក្រុមអថេរឬកត្តាគោលដែលងាយស្រួលយល់ និងគ្រប់គ្រង។ វាជួយរកឃើញរចនាសម្ព័ន្ធលាក់កំបាំងនៃទិន្នន័យ។ | ទាមទារទំហំសំណាកធំ (យ៉ាងហោចណាស់ ៥០០ នាក់ សម្រាប់ការសិក្សានេះ) ដើម្បីទទួលបានលទ្ធផលដែលអាចទុកចិត្តបាន។ | បានទាញយកកត្តាសំខាន់ៗចំនួន ៩ ពីអថេរសរុបចំនួន ៥២ ដោយមានតម្លៃ KMO = 0.852។ |
| Multiple Linear Regression ការវិភាគតំរែតំរង់លីនេអ៊ែរពហុគុណ |
អាចកំណត់កម្រិតឥទ្ធិពល (ជាភាគរយ) នៃកត្តានីមួយៗទៅលើលទ្ធផលសិក្សាយ៉ាងច្បាស់លាស់។ | ទាមទារឱ្យទិន្នន័យបំពេញតាមលក្ខខណ្ឌតឹងរ៉ឹងមួយចំនួន (ដូចជាគ្មានពហុគូលីនេអ៊ែរ ដែល VIF < 10)។ | បានបង្ហាញថាកត្តាទាំង៦ ពន្យល់បាន ៥០,១% នៃបំរែបំរួលលទ្ធផលសិក្សារបស់និស្សិត (R-squared = 0.501)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រមូលទិន្នន័យបឋមក្នុងទ្រង់ទ្រាយធំ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិស្មុគស្មាញ។
ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តាច់មុខលើនិស្សិតមហាវិទ្យាល័យសេដ្ឋកិច្ច និងគ្រប់គ្រងពាណិជ្ជកម្ម នៃសាកលវិទ្យាល័យរុក្ខាប្រមាញ់វៀតណាម ដោយមានអ្នកចូលរួមភាគច្រើនជានិស្សិតស្រី (៣៧០នាក់) និងនិស្សិតឆ្នាំទី១-ទី២។ សម្រាប់បរិបទកម្ពុជា នេះមានន័យថាលទ្ធផលនេះប្រហែលជាមិនឆ្លុះបញ្ចាំងទាំងស្រុងពីនិស្សិតផ្នែកវិស្វកម្ម វិទ្យាសាស្ត្រពិត ឬនិស្សិតនៅតំបន់ដាច់ស្រយាលឡើយ ដោយសារបរិយាកាសប្រកួតប្រជែង និងធនធានខុសគ្នា។
វិធីសាស្ត្រវាយតម្លៃ និងកត្តាដែលបានរកឃើញនេះ គឺមានភាពពាក់ព័ន្ធ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់គ្រឹះស្ថានឧត្តមសិក្សានៅកម្ពុជា។
សរុបមក ការយល់ដឹងពីកត្តាចិត្តសាស្ត្រ (ភាពខ្ជាប់ខ្ជួន ការលើកទឹកចិត្ត) និងវិធីសាស្ត្រសិក្សា នឹងជួយឱ្យសាលានៅកម្ពុជាអាចបង្កើតកម្មវិធីអន្តរាគមន៍បានចំគោលដៅ ដើម្បីកាត់បន្ថយអត្រាធ្លាក់ និងបោះបង់ការសិក្សា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Exploratory Factor Analysis (EFA) | ជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីបង្រួមអថេរឬសំណួរជាច្រើន (ឧទាហរណ៍ ៥០ សំណួរ) ទៅជាក្រុមតូចៗឬ "កត្តា" គោលមួយចំនួន (ឧទាហរណ៍ ៦ ក្រុម) ដែលមានទំនាក់ទំនងគ្នា ដើម្បីងាយស្រួលក្នុងការវិភាគទិន្នន័យនិងស្វែងរករចនាសម្ព័ន្ធលាក់កំបាំងនៃទិន្នន័យនោះ។ | ដូចជាការចាត់ថ្នាក់ទំនិញរាប់រយមុខនៅក្នុងផ្សារទំនើប ទៅតាមផ្នែកធំៗប៉ុន្មានប៉ុណ្ណោះ (ដូចជាផ្នែកម្ហូបអាហារ ផ្នែកសម្លៀកបំពាក់) ដើម្បីងាយស្រួលរក។ |
| Cronbach's Alpha | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់ភាពជឿជាក់ (Reliability) ឬភាពសង្គតិភាពខាងក្នុងនៃកម្រងសំណួរ។ វាប្រាប់យើងថាតើសំណួរទាំងអស់នៅក្នុងក្រុមតែមួយ ពិតជាកំពុងវាស់ស្ទង់រឿងតែមួយមែនឬអត់ (តម្លៃ > ០.៦ ត្រូវបានចាត់ទុកថាអាចទទួលយកបាន)។ | ដូចជាការថ្លឹងទម្ងន់ផ្លែឈើលើជញ្ជីងតែមួយ៥ដង បើជញ្ជីងនោះល្អ វាត្រូវតែបង្ហាញទម្ងន់ដូចគ្នាចំនួន៥ដង។ |
| Multiple Linear Regression | ជាបច្ចេកទេសស្ថិតិសម្រាប់ស្វែងរកទំនាក់ទំនងរវាងអថេរឯករាជ្យច្រើន (ដូចជា វិធីសាស្ត្រសិក្សា ធនធានសាលា) ទៅលើអថេរអាស្រ័យមួយ (ដូចជា លទ្ធផលសិក្សា) ដើម្បីទស្សន៍ទាយលទ្ធផល និងដឹងថាកត្តាណាមានឥទ្ធិពលខ្លាំងជាងគេ។ | ដូចជាការទាយតម្លៃផ្ទះមួយដោយផ្អែកលើកត្តាជាច្រើនរួមបញ្ចូលគ្នា ដូចជា ទំហំផ្ទះ ចំនួនបន្ទប់ និងទីតាំងជិតផ្សារ។ |
| Factor Loading | ជាតម្លៃលេខដែលបង្ហាញពីកម្រិតទំនាក់ទំនងរវាងអថេរនីមួយៗ (សំណួរនីមួយៗ) ជាមួយនឹងកត្តាគោលរបស់វា។ តម្លៃនេះកាន់តែធំ មានន័យថាសំណួរនោះកាន់តែមានសារៈសំខាន់ក្នុងការតំណាងឲ្យកត្តានោះ (ជាទូទៅត្រូវធំជាង ០.៥)។ | ដូចជាទម្ងន់នៃឥទ្ធិពលរបស់កីឡាករម្នាក់ៗ ក្នុងការសម្រេចបានជ័យជម្នះរបស់ក្រុមទាំងមូល។ |
| Total Variance Explained | ជាភាគរយសរុបដែលបង្ហាញថាតើកត្តាគោលទាំងឡាយដែលបានរកឃើញតាមរយៈ EFA អាចពន្យល់ពីបំរែបំរួលនៃទិន្នន័យដើមបានកម្រិតណា។ នៅក្នុងការសិក្សានេះវាមានតម្លៃ ៦២,៧៦% ដែលមានន័យថាកត្តាដែលទាញយកមកអាចតំណាងឱ្យទិន្នន័យដើមបានល្អ។ | ដូចជាការសង្ខេបសាច់រឿងភាពយន្តរយៈពេល២ម៉ោង មកនៅត្រឹម៥នាទី ដែលនៅតែអាចរៀបរាប់បានជាង៦០% នៃសាច់រឿងទាំងមូល។ |
| Variance Inflation Factor (VIF) | ជារង្វាស់ដើម្បីត្រួតពិនិត្យមើលបញ្ហាពហុគូលីនេអ៊ែរ (Multicollinearity) ពោលគឺវាស់ថាតើអថេរឯករាជ្យទាំងឡាយមានទំនាក់ទំនងគ្នាឯងខ្លាំងពេកឬអត់។ បើ VIF តូចជាង ១០ មានន័យថាអថេរមិនជាន់គ្នាទេ ហើយការវិភាគមានភាពត្រឹមត្រូវ។ | ដូចជាការមានសាក្សី២នាក់ដែលឆ្លើយប្រាប់ប៉ូលីសនូវរឿងដូចគ្នាបេះបិទព្រោះពួកគេបានពិភាក្សាគ្នាមុន ធ្វើឲ្យចម្លើយរបស់ពួកគេជាន់គ្នា និងមិនសូវមានប្រយោជន៍។ |
| Likert scale | ជាប្រព័ន្ធរង្វាស់ដែលប្រើជាទូទៅក្នុងការស្ទង់មតិ ដើម្បីឲ្យអ្នកឆ្លើយបញ្ជាក់ពីកម្រិតនៃការយល់ស្របរបស់ពួកគេចំពោះសេចក្តីថ្លែងការណ៍ណាមួយ ជាធម្មតាមានចាប់ពីកម្រិត ១ ដល់ ៥ (ឧទាហរណ៍៖ ១=មិនយល់ស្របខ្លាំង បំផុត, ៥=យល់ស្របខ្លាំងបំផុត)។ | ដូចជាការវាយតម្លៃអោយពិន្ទុផ្កាយ ១ ដល់ ៥ ទៅលើគុណភាពសេវាកម្មហាងកាហ្វេណាមួយ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
