Original Title: A study of the opinions of faculty members towards Acquiring agricultural education in Iran
Source: internationalscholarsjournals.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការសិក្សាអំពីមតិរបស់សមាជិកមហាវិទ្យាល័យចំពោះការទទួលបានការអប់រំផ្នែកកសិកម្មនៅប្រទេសអ៊ីរ៉ង់

ចំណងជើងដើម៖ A study of the opinions of faculty members towards Acquiring agricultural education in Iran

អ្នកនិពន្ធ៖ Hamid F. Nourizad (Department of Agroeclogy, Iran University of Science and Technology, Tehran, Iran), Eshaq P. Behbahani, Abdollah N. Baqai

ឆ្នាំបោះពុម្ព៖ 2015, International Journal of Educational Research and Reviews

វិស័យសិក្សា៖ Educational Research

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះស្វែងយល់ពីមតិរបស់សមាជិកមហាវិទ្យាល័យពាក់ព័ន្ធនឹងធាតុផ្សំនៃការរៀនសូត្ររបស់ស្ថាប័ន (Organizational Learning) ដើម្បីកែលម្អគុណភាពអប់រំនៅបរិវេណកសិកម្ម និងធនធានធម្មជាតិ នៃសាកលវិទ្យាល័យតេអេរ៉ង់ ប្រទេសអ៊ីរ៉ង់។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ការរចនាការស្ទង់មតិបែបពិពណ៌នា ដោយប្រមូលទិន្នន័យពីសំណាកចំនួន ១២០ នាក់ តាមរយៈកម្រងសំណួរ និងវិភាគដោយប្រើបច្ចេកទេសវិភាគកត្តា។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Exploratory Factor Analysis (Principal Component Analysis with Varimax Rotation)
ការវិភាគកត្តារុករក (ដោយប្រើការវិភាគសមាសភាគចម្បង និងរង្វិលជុំវ៉ារីម៉ាក)
អាចកាត់បន្ថយទិន្នន័យស្មុគស្មាញទៅជាកត្តាសំខាន់ៗ និងងាយស្រួលក្នុងការបកស្រាយទំនាក់ទំនងរវាងអថេរដែលជះឥទ្ធិពលខ្លាំង (loading > 0.4)។ ទាមទារទំហំសំណាកធំល្មម (យ៉ាងហោចណាស់ ១២០ នាក់ក្នុងសិក្សានេះ) និងចាំបាច់ត្រូវប្រើប្រាស់កម្មវិធីស្ថិតិជំនាញ។ បានទាញយកកត្តាចំនួន ១១ ដែលអាចពន្យល់ពី ៧០.១% នៃភាពប្រែប្រួលសរុបនៃការរៀនសូត្ររបស់ស្ថាប័ន។
Descriptive Survey Design
ការរចនាការស្ទង់មតិបែបពិពណ៌នា
ងាយស្រួលក្នុងការប្រមូលទិន្នន័យពីអ្នកចូលរួមច្រើន តាមរយៈការប្រើប្រាស់កម្រងសំណួរស្ដង់ដារ (Likert-scale ៥ ចំណុច)។ ពឹងផ្អែកលើការយល់ឃើញជាអត្តនោម័តិ (Subjective opinions) របស់អ្នកឆ្លើយតប ដែលអាចមានភាពលម្អៀង។ បញ្ជាក់ថាអាយុមធ្យមរបស់អ្នកឆ្លើយតបគឺ ៤៤.៣២ ឆ្នាំ ហើយបទពិសោធន៍ការងារមធ្យមគឺ ១២.២ ឆ្នាំ។

ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់ពីការចំណាយជាថវិកាផ្ទាល់ក្ដី ប៉ុន្តែការស្រាវជ្រាវនេះទាមទារធនធានជាមូលដ្ឋានសម្រាប់ការប្រមូល និងវិភាគទិន្នន័យស្ថិតិធំៗ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងតែនៅបរិវេណកសិកម្ម និងធនធានធម្មជាតិ នៃសាកលវិទ្យាល័យតេអេរ៉ង់ ប្រទេសអ៊ីរ៉ង់ ក្នុងឆ្នាំ ២០០៨ ដោយមានអ្នកចូលរួមត្រឹមតែ ១២០ នាក់ (ភាគច្រើនឯកទេសវិទ្យាសាស្ត្រសត្វ និងសាកវប្បកម្ម)។ នេះមានន័យថាលទ្ធផលអាចមានភាពលម្អៀងទៅរកបរិបទប្រព័ន្ធអប់រំ និងវប្បធម៌ការងាររបស់ប្រទេសអ៊ីរ៉ង់។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តគំរូនេះទាមទារការកែសម្រួលដើម្បីឆ្លើយតបនឹងវប្បធម៌ស្ថាប័ន និងបញ្ហាប្រឈមជាក់លាក់ក្នុងវិស័យកសិកម្មក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាមានភាពខុសគ្នាផ្នែកភូមិសាស្ត្រក៏ដោយ ក្របខ័ណ្ឌទ្រឹស្តី និងវិធីសាស្ត្រនៃការវាយតម្លៃនេះមានប្រយោជន៍ខ្លាំងសម្រាប់ការកែលម្អគ្រឹះស្ថានឧត្តមសិក្សានៅកម្ពុជា។

ជារួម ការរៀបចំគ្រឹះស្ថានឧត្តមសិក្សាកសិកម្មនៅកម្ពុជាឱ្យស្របតាមកត្តាទាំង ១១ នៃការរៀនសូត្ររបស់ស្ថាប័ន នឹងជួយពង្រឹងកិច្ចសហការរវាងសាកលវិទ្យាល័យ សហគមន៍ និងទីផ្សារការងារបានកាន់តែប្រសើរ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាស្វែងយល់ពីទ្រឹស្ដីនៃការរៀនសូត្ររបស់ស្ថាប័ន: ចាប់ផ្តើមដោយការសិក្សាពីវិន័យទាំង ៥ របស់ Senge (Personal mastery, Mental models, Shared vision, Team learning, Systems thinking) និងក្របខ័ណ្ឌរបស់ពាក់ព័ន្ធដើម្បីយល់ពីមូលដ្ឋានគ្រឹះនៃការវាយតម្លៃ។
  2. រៀបចំ និងធ្វើតេស្តកម្រងសំណួរ (Pilot Test): បង្កើតកម្រងសំណួរតាមទម្រង់ 5-point Likert-scale ដោយផ្អែកលើសំណួររបស់ Lieblein et al. (2000) និង Goh (2001) បន្ទាប់មកយកទៅសាកល្បងជាមួយសាស្ត្រាចារ្យកម្ពុជាមួយចំនួនតូច រួចប្រើកម្មវិធី SPSS ដើម្បីគណនា Cronbach's Alpha (ត្រូវប្រាកដថាលើសពី ០.៧ សម្រាប់ភាពជឿជាក់បាន)។
  3. ប្រមូលទិន្នន័យពីគ្រឹះស្ថានឧត្តមសិក្សាកម្ពុជា: ធ្វើការជ្រើសរើសសំណាកដោយចៃដន្យ (យ៉ាងហោចណាស់ ១២០ នាក់ ដើម្បីធានាបាននូវកម្រិតកំហុសត្រឹម ៥%) ពីមហាវិទ្យាល័យកសិកម្មផ្សេងៗនៅកម្ពុជា ដូចជា RUA ឬសាកលវិទ្យាល័យតាមខេត្ត។
  4. វិភាគទិន្នន័យដើម្បីទាញយកកត្តាសំខាន់ៗ (Factor Analysis): ប្រើប្រាស់កម្មវិធី SPSSR ដើម្បីធ្វើ Principal Component Analysis (PCA) ជាមួយនឹង Varimax Rotation។ ផ្ដោតតែលើអថេរណាដែលមានតម្លៃ Loading factor > 0.4 ដើម្បីកំណត់វិមាត្រនៃការរៀនសូត្ររបស់ស្ថាប័ន។
  5. អនុវត្តផែនការអភិវឌ្ឍន៍ ៤ ជំហាន (4-Step Plan): យោងតាមលទ្ធផលវិភាគ សូមអនុវត្តផែនការ៖ ១) កសាងវប្បធម៌រៀនសូត្រ, ២) បង្កើនសមត្ថភាពសាស្ត្រាចារ្យ, ៣) បង្កើតមជ្ឈមណ្ឌលស្រាវជ្រាវក្រៅបរិវេណសាលា (តភ្ជាប់ជាមួយកសិករពិតប្រាកដ) និង ៤) ពង្រីកបណ្តាញផ្លាស់ប្តូរចំណេះដឹងជាសកលតាមរយៈសិក្ខាសាលា ឬគម្រោងរួមគ្នា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Learning Organization (ស្ថាប័នរៀនសូត្រ) ស្ថាប័នដែលជំរុញ និងជួយសម្រួលដល់ការរៀនសូត្ររបស់សមាជិកទាំងអស់ជាប្រចាំ ដើម្បីសម្របខ្លួន អភិវឌ្ឍសមត្ថភាព និងផ្លាស់ប្តូរទម្លាប់ធ្វើការទៅតាមបរិបទថ្មីៗដែលប្រែប្រួលរហ័ស។ ដូចជាក្រុមបាល់ទាត់មួយដែលតែងតែរៀនពីកំហុសក្រោយការប្រកួតនីមួយៗ ហើយកែប្រែយុទ្ធសាស្ត្រលេងរបស់ខ្លួនឱ្យកាន់តែខ្លាំងជានិច្ច មិនមែនលេងតែតាមក្បួនចាស់រហូតនោះទេ។
Factor Analysis (ការវិភាគកត្តា) វិធីសាស្ត្រស្ថិតិដែលប្រើសម្រាប់កាត់បន្ថយទិន្នន័យ ឬអថេរច្រើនសន្ធឹកសន្ធាប់ ឱ្យទៅជាក្រុម ឬកត្តាតិចតួចដែលមានទំនាក់ទំនងគ្នា ដើម្បីងាយស្រួលក្នុងការសិក្សា និងទាញសេចក្តីសន្និដ្ឋាន។ ដូចជាការរៀបចំសម្លៀកបំពាក់រាប់រយមុខចូលទៅក្នុងទូ ដោយបែងចែកជា ៣ ទៅ ៤ ថតធំៗ (ខោ អាវ សំពត់) ទៅតាមប្រភេទរបស់វា ដើម្បីងាយស្រួលស្វែងរក។
Single-loop learning (ការរៀនសូត្ររង្វិលជុំទោល) ការដោះស្រាយបញ្ហាដោយកែតម្រូវសកម្មភាពភ្លាមៗ ដើម្បីសម្រេចបានលទ្ធផលតាមស្តង់ដារដែលបានកំណត់ ដោយមិនបានចោទសួរពីគោលការណ៍ ឬមូលហេតុស៊ីជម្រៅពីក្រោយបញ្ហានោះទេ។ ដូចជាការពន្លត់ភ្លើងនៅពេលមានអគ្គិភ័យឆេះផ្ទះ (ដោះស្រាយបញ្ហាចំពោះមុខ) ដោយមិនបានគិតគូរពីរៀបចំប្រព័ន្ធការពារភ្លើងកុំឱ្យឆេះនៅថ្ងៃក្រោយ។
Double-loop learning (ការរៀនសូត្ររង្វិលជុំទ្វេ) ការដោះស្រាយបញ្ហាដោយធ្វើការពិចារណា និងផ្លាស់ប្តូរគោលការណ៍ អថេរ ឬច្បាប់ទម្លាប់ចាស់ៗជាមុនសិន ទើបឈានទៅកែតម្រូវសកម្មភាព ដើម្បីធានាថាបញ្ហានោះមិនអាចកើតឡើងម្តងទៀតបាន។ ដូចជាការរុះរើ និងប្តូរខ្សែភ្លើងចាស់ៗក្នុងផ្ទះចេញទាំងអស់ បន្ទាប់ពីមានភ្លើងឆេះ ដើម្បីកុំឱ្យមានការទុស្សេខ្សែភ្លើងនៅថ្ងៃមុខទៀត (ដោះស្រាយដល់ឫសគល់)។
Deutero learning (ការរៀនពីរបៀបរៀនសូត្រ) សមត្ថភាពរបស់ស្ថាប័នក្នុងការវាយតម្លៃ និងកែលម្អប្រព័ន្ធ ឬដំណើរការនៃការរៀនសូត្ររបស់ខ្លួន (រៀនពីរបៀបដែលខ្លួនឯងកំពុងរៀន) ដើម្បីឱ្យការចាប់យកចំណេះដឹងថ្មីៗកាន់តែមានប្រសិទ្ធភាព។ ដូចជាសិស្សម្នាក់ដែលមិនត្រឹមតែរៀនដើម្បីប្រឡងជាប់ តែថែមទាំងចេះតាមដានខ្លួនឯងថា តើវិធីសាស្ត្រអានសៀវភៅមួយណាដែលធ្វើឱ្យខ្លួនឆាប់ចាំជាងគេ ហើយយកវាមកប្រើប្រាស់ជាទម្លាប់។
Systems thinking (ការគិតបែបប្រព័ន្ធ) ការយល់ឃើញបញ្ហា និងដំណើរការនានាក្នុងស្ថាប័នជារូបភាពរួម (Holistic) ដោយមើលឃើញពីទំនាក់ទំនង និងឥទ្ធិពលទៅវិញទៅមករវាងផ្នែកនីមួយៗ ជំនួសឱ្យការមើលឃើញដាច់ដោយឡែកពីគ្នា។ ដូចជាគ្រូពេទ្យដែលព្យាបាលអ្នកជំងឺដោយពិនិត្យមើលរាងកាយទាំងមូល និងរបៀបរស់នៅរបស់អ្នកជំងឺ ជាជាងការផ្តោតតែលើការបំបាត់ការឈឺចាប់នៅកន្លែងណាមួយជាក់លាក់។
Varimax Rotation (រង្វិលជុំវ៉ារីម៉ាក) បច្ចេកទេសបង្វិលអ័ក្សនៅក្នុងការវិភាគកត្តា ដើម្បីធ្វើឱ្យតម្លៃបន្ទុក (Loading values) នៃអថេរនីមួយៗមានភាពច្បាស់លាស់ ដែលជួយឱ្យអ្នកស្រាវជ្រាវងាយស្រួលបែងចែកថាតើអថេរមួយណាស្ថិតក្នុងកត្តាមួយណាប្រាកដ។ ដូចជាការបង្វិលកញ្ចក់កាមេរ៉ា (Focus) ឱ្យឃើញរូបភាពកាន់តែច្បាស់ ដើម្បីងាយស្រួលប្រាប់ថាតើនរណាជានរណានៅក្នុងរូបថតដែលមានមនុស្សច្រើនឈរជាន់គ្នា។
Bartlett's Test of Sphericity (តេស្តស្វ៊ែររបស់ Bartlett) តេស្តស្ថិតិដែលប្រើសម្រាប់ត្រួតពិនិត្យថាតើទិន្នន័យ (អថេរ) មានទំនាក់ទំនង (Correlation) ជាមួយគ្នាគ្រប់គ្រាន់ឬអត់ មុននឹងសម្រេចចិត្តថាអាចយកវាទៅធ្វើការវិភាគកត្តា (Factor Analysis) បាន។ ដូចជាការភ្លក់គ្រឿងផ្សំសិន មុននឹងសម្រេចចិត្តថាតើវាសាកសមនឹងយកទៅស្លចូលគ្នា ដើម្បីបង្កើតជាមុខម្ហូបមួយមុខដែរឬទេ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖