Original Title: Equity in the distribution of bursary to secondary school students in Busia district, Kenya
Source: internationalscholarsjournals.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

សមធម៌ក្នុងការបែងចែកអាហារូបករណ៍ដល់សិស្សវិទ្យាល័យនៅក្នុងស្រុក Busia ប្រទេសកេនយ៉ា

ចំណងជើងដើម៖ Equity in the distribution of bursary to secondary school students in Busia district, Kenya

អ្នកនិពន្ធ៖ Stephen O. Odebero (Egerton University), Anthony K. Sang (Egerton University), Joseph N. Bosire (Egerton University), Lucas A. Othuon (Maseno University)

ឆ្នាំបោះពុម្ព៖ 2019 Advanced Journal of Education Research

វិស័យសិក្សា៖ Education Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាអសមធម៌ក្នុងការបែងចែកថវិកាអាហារូបករណ៍របស់រដ្ឋាភិបាលដល់សិស្សវិទ្យាល័យ ដែលមកពីគ្រួសារក្រីក្រនៅក្នុងស្រុក Busia ប្រទេសកេនយ៉ា។ វាផ្តោតលើការវាយតម្លៃប្រសិទ្ធភាពនៃលក្ខណៈវិនិច្ឆ័យក្នុងការជ្រើសរើសសិស្សដែលត្រូវការជំនួយពិតប្រាកដ។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រមូលទិន្នន័យពីសិស្សចំនួន ១៩០ នាក់ និងនាយកសាលាចំនួន ២៧ នាក់ ដោយអនុវត្តស្ថិតិពណ៌នា និងប្រើប្រាស់រង្វាស់វិសមភាពសេដ្ឋកិច្ច។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Lorenz curves and Gini coefficients
ខ្សែកោង ឡូរ៉េនស៍ (Lorenz Curve) និងមេគុណ ជីនី (Gini Coefficient)
ផ្តល់រង្វាស់ច្បាស់លាស់តាមបែបបរិមាណអំពីកម្រិតនៃវិសមភាពក្នុងការបែងចែកធនធាន។ មានភាពងាយស្រួលក្នុងការប្រៀបធៀបទិន្នន័យពីមួយឆ្នាំទៅមួយឆ្នាំ។ ទាមទារទិន្នន័យពិតប្រាកដដែលបានកត់ត្រាត្រឹមត្រូវ និងមិនអាចពន្យល់ពីមូលហេតុស៊ីជម្រៅដែលបណ្តាលឲ្យមានវិសមភាពនោះទេ។ រកឃើញមេគុណ Gini ខ្ពស់ជាង ០.៥ ជាបន្តបន្ទាប់ (១៩៩៩, ២០០១, ២០០២) ដែលបញ្ជាក់ពីការបែងចែកអាហារូបករណ៍ដោយគ្មានសមធម៌។
In-depth Interviews and Questionnaires
ការសម្ភាសន៍ស៊ីជម្រៅ និងការប្រើប្រាស់កម្រងសំណួរ
ជួយទាញយកមតិយោបល់ និងបទពិសោធន៍ផ្ទាល់ពីអ្នកអនុវត្ត (នាយកសាលា) ដើម្បីស្វែងយល់ពីចន្លោះប្រហោងនៃគោលនយោបាយ។ អាចប្រឈមនឹងភាពលម្អៀងដោយសារការយល់ឃើញ និងការឆ្លើយតបបែបអត្តនោម័តរបស់អ្នកផ្តល់បទសម្ភាសន៍។ នាយកសាលា ៥៥.៦% យល់ថាលក្ខណៈវិនិច្ឆ័យដែលមានស្រាប់មិនមានប្រសិទ្ធភាពក្នុងការកំណត់អត្តសញ្ញាណសិស្សក្រីក្រពិតប្រាកដ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់ពីការចំណាយហិរញ្ញវត្ថុជាក់លាក់នោះទេ ប៉ុន្តែវាទាមទារនូវធនធានផ្នែកទិន្នន័យ និងចំណេះដឹងផ្នែកស្ថិតិសេដ្ឋកិច្ច។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានអនុវត្តផ្តាច់មុខនៅស្រុក Busia ប្រទេសកេនយ៉ា ដោយផ្តោតលើសិស្សវិទ្យាល័យតែ ១៩០ នាក់ និងនាយកសាលា ២៧ នាក់ ក្នុងចន្លោះឆ្នាំ ១៩៩៩-២០០២។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទសេដ្ឋកិច្ច និងរចនាសម្ព័ន្ធសង្គមចាស់របស់កេនយ៉ា ដែលអាចមានភាពខុសប្លែកពីបច្ចុប្បន្ន។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីចំណុចនេះមានសារៈសំខាន់ណាស់ ពីព្រោះប្រព័ន្ធកំណត់អត្តសញ្ញាណជនក្រីក្រនៅកម្ពុជា (IDPoor) មានលក្ខណៈស្មុគស្មាញ និងទាមទារការតាមដានជាប់លាប់ដើម្បីចៀសវាងភាពលម្អៀងនៃការវាយតម្លៃ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្រ្តវិភាគសមធម៌នេះមានសក្តានុពលខ្លាំងក្នុងការយកមកអនុវត្តសម្រាប់ការរៀបចំគោលនយោបាយអប់រំនៅកម្ពុជា។

សរុបមក ការអនុវត្តវិធីសាស្ត្រគណនាខ្សែកោង Lorenz និងការវាយតម្លៃលក្ខណៈវិនិច្ឆ័យឡើងវិញ នឹងជួយរដ្ឋាភិបាលកម្ពុជាធានាបាននូវតម្លាភាព និងប្រសិទ្ធភាពក្នុងការបែងចែកអាហារូបករណ៍។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូលទិន្នន័យអាហារូបករណ៍កម្រិតជាតិ ឬខេត្ត: សហការជាមួយការិយាល័យអប់រំស្រុក ឬខេត្ត ដើម្បីប្រមូលទិន្នន័យប្រជាសាស្ត្រ និងទិន្នន័យហិរញ្ញវត្ថុរបស់សិស្សដែលធ្លាប់ទទួលបានអាហារូបករណ៍កន្លងមក។ អ្នកអាចរក្សាទុកទិន្នន័យទាំងនេះក្នុង Microsoft Excel
  2. អនុវត្តការវិភាគមេគុណ Gini: ប្រើប្រាស់កម្មវិធីកុំព្យូទ័រដូចជា SPSS, ភាសា R, ឬ Python (Pandas & SciPy) ដើម្បីគណនាមេគុណ Gini និងគូរខ្សែកោង Lorenz Curve ពីទិន្នន័យដែលបានប្រមូល ដើម្បីមើលកម្រិតអសមធម៌។
  3. វាយតម្លៃប្រសិទ្ធភាពលក្ខណៈវិនិច្ឆ័យ IDPoor: រៀបចំកម្រងសំណួរ (Questionnaires) តាមប្រព័ន្ធអនឡាញ (ឧ. Google Forms) និងចុះសម្ភាសន៍ផ្ទាល់ជាមួយនាយកសាលា ដើម្បីប្រមូលមតិថាតើលក្ខណៈវិនិច្ឆ័យជ្រើសរើសសិស្សក្រីក្របច្ចុប្បន្នមានបញ្ហា ឬភាពលម្អៀងដែរឬទេ។
  4. រៀបចំរបាយការណ៍សង្ខេបគោលនយោបាយ: ចងក្រងលទ្ធផលនៃការវិភាគទាំងអស់ទៅជាឯកសារសង្ខេបផ្នែកគោលនយោបាយ (Policy Brief) ដោយប្រើប្រាស់ទិន្នន័យសត្យានុម័ត ដើម្បីផ្តល់អនុសាសន៍ដល់ក្រសួងអប់រំក្នុងការកែសម្រួលលក្ខខណ្ឌផ្តល់អាហារូបករណ៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Bursary (អាហារូបករណ៍ ឬប្រាក់ឧបត្ថម្ភការសិក្សា) ជំនួយហិរញ្ញវត្ថុដែលផ្តល់ដោយរដ្ឋាភិបាល ឬស្ថាប័ននានាដល់សិស្សនិស្សិតដែលមានជីវភាពខ្វះខាត ដើម្បីជួយសម្រួលដល់ការបង់ថ្លៃសិក្សា និងការចំណាយផ្សេងៗ ក្នុងគោលបំណងកាត់បន្ថយអត្រាបោះបង់ការសិក្សា។ ដូចជាការផ្តល់ប្រាក់ហោប៉ៅប្រចាំខែពីសប្បុរសជនដល់សិស្សក្រីក្រ ដើម្បីឱ្យពួកគេអាចបន្តការរៀនសូត្របានដោយមិនបារម្ភពីរឿងលុយកាក់។
Lorenz curve (ខ្សែកោង ឡូរ៉េនស៍) ជាក្រាហ្វិកប្រើក្នុងស្ថិតិសេដ្ឋកិច្ចដើម្បីបង្ហាញពីវិសមភាពនៃការបែងចែកទ្រព្យសម្បត្តិ ឬប្រាក់ចំណូលនៅក្នុងសង្គម។ ប្រសិនបើខ្សែកោងនេះកាន់តែទាញធ្លាក់ចុះក្រោម ឃ្លាតឆ្ងាយពីបន្ទាត់ត្រង់ (បន្ទាត់សមធម៌) នោះមានន័យថាការបែងចែកនោះកាន់តែអយុត្តិធម៌។ ប្រៀបដូចជាការតម្រង់ជួរសិស្សពីក្របំផុតទៅមានបំផុត ហើយគូសគំនូសថាតើពួកគេម្នាក់ៗទទួលបាននំកញ្ចប់ប៉ុន្មាន បើអ្នកក្របាននំតិចជាងអ្នកមាន នោះខ្សែគំនូសនឹងកោងធ្លាក់ចុះក្រោម។
Gini coefficient (មេគុណ ជីនី) ជាតួលេខស្ថិតិពី ០ ដល់ ១ ដែលវាស់ស្ទង់កម្រិតនៃវិសមភាព។ តម្លៃ ០ មានន័យថាសមធម៌ពេញលេញ (អ្នកគ្រប់គ្នាទទួលបានស្មើគ្នា) ចំណែកតម្លៃ ១ មានន័យថាអសមធម៌ដាច់ខាត (មនុស្សម្នាក់បានទ្រព្យសម្បត្តិទាំងអស់)។ ក្នុងបរិបទនេះ លើសពី ០.៣ ត្រូវបានចាត់ទុកថាមានវិសមភាពខ្ពស់។ ដូចជាពិន្ទុវាស់ភាពលម្អៀងរបស់គ្រូអញ្ចឹង បើពិន្ទុជិតសូន្យ គឺគ្រូចែកស្ករគ្រាប់ស្មើៗគ្នា បើពិន្ទុជិតមួយ គឺគ្រូឲ្យស្ករគ្រាប់ទៅតែកូនសិស្សសំណព្វចិត្តម្នាក់ឯង។
Equity (សមធម៌) គោលការណ៍នៃភាពយុត្តិធម៌ ដោយផ្តល់ធនធាន ឬការគាំទ្រដល់បុគ្គលម្នាក់ៗផ្អែកលើកម្រិតនៃតម្រូវការ និងភាពខ្វះខាតជាក់ស្តែងរបស់ពួកគេ ដើម្បីធានាថាអ្នកគ្រប់គ្នាអាចទទួលបានឱកាសស្មើគ្នា (ខុសពី Equality ដែលមានន័យថាចែកស្មើៗគ្នាដោយមិនខ្វល់ពីអ្នកខ្វះ ឬអ្នកមានស្រាប់)។ ដូចជាការផ្តល់កៅអីឈរមើលការប្រកួតបាល់ទាត់អញ្ចឹង អ្នកទាបទទួលបានកៅអីខ្ពស់ជាងគេ ចំណែកអ្នកខ្ពស់ស្រាប់មិនបាច់ឈរលើកៅអីទេ ដើម្បីឲ្យអ្នកទាំងពីរអាចមើលឃើញស្មើគ្នា។
Means testing (ការវាយតម្លៃលទ្ធភាពសេដ្ឋកិច្ច ឬកម្រិតជីវភាព) ដំណើរការស៊ើបអង្កេត និងវាយតម្លៃលើប្រាក់ចំណូល ឬទ្រព្យសម្បត្តិរបស់បុគ្គល ឬគ្រួសារ តាមរយៈលក្ខណៈវិនិច្ឆ័យជាក់លាក់ ដើម្បីកំណត់ថាតើពួកគេពិតជាមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ និងជាអ្នកដែលត្រូវការជំនួយហិរញ្ញវត្ថុពីរដ្ឋពិតប្រាកដឬអត់។ ដូចជាការដែលគ្រូពេទ្យពិនិត្យឈាម និងវាស់កម្តៅអ្នកជំងឺមុននឹងសម្រេចចិត្តថាតើគួរផ្តល់ថ្នាំសង្គ្រោះប្រភេទណាឲ្យអ្នកជំងឺនោះ។
Quartile (ក្វាទីល ឬចំណែកភាគបួន) ការបែងចែកទិន្នន័យ (ដូចជាចំនួនសិស្សដែលទទួលបានអាហារូបករណ៍) ជាបួនក្រុមស្មើៗគ្នា (២៥% ក្នុងមួយក្រុម) បន្ទាប់ពីបានតម្រៀបពួកគេពីតម្លៃទាបបំផុតទៅខ្ពស់បំផុត ដើម្បីងាយស្រួលប្រៀបធៀបគម្លាតរវាងក្រុមនីមួយៗ។ ដូចជាការកាត់នំខេកមួយជា ៤ ចំណែកស្មើៗគ្នា ហើយយើងយកចំណែកនីមួយៗមកពិនិត្យមើលថាតើមានផ្លែស្ត្របឺរីប៉ុន្មានគ្រាប់នៅលើចំណែកទាំង៤នោះ។
Saturated sample (សំណាកឆ្អែត ឬសំណាកសរុប) វិធីសាស្ត្រជ្រើសរើសសំណាកក្នុងការស្រាវជ្រាវ ដែលក្នុងនោះប្រជាជនគោលដៅទាំងអស់ ឬសមាជិកទាំងអស់នៃក្រុមដែលចង់សិក្សា (ឧទាហរណ៍៖ នាយកសាលាទាំង២៧នាក់ក្នុងស្រុក) ត្រូវបានជ្រើសរើសយកមកធ្វើការសិក្សាទាំងអស់ ដោយមិនមានការទាញយកតែមួយផ្នែកដើម្បីតំណាងនោះទេ។ ជំនួសឲ្យការភ្លក់ទឹកស៊ុបមួយស្លាបព្រាដើម្បីតំណាងឲ្យរសជាតិទាំងមូល អ្នកស្រាវជ្រាវសម្រេចចិត្តផឹកទឹកស៊ុបក្នុងឆ្នាំងនោះទាំងអស់តែម្តង ដើម្បីឲ្យប្រាកដ១០០%។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖