Original Title: Formation of Online Content Patterns of Higher Education Based on Trends to Preserve Intellectual Capital Quality Decreasing in Ukraine During Wartime
Source: doi.org/10.21272/bel.7(2).109-127.2023
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការបង្កើតគំរូមាតិកាអនឡាញនៃឧត្តមសិក្សាដោយផ្អែកលើនិន្នាការដើម្បីរក្សាគុណភាពមូលធនបញ្ញាដែលកំពុងធ្លាក់ចុះនៅអ៊ុយក្រែនក្នុងសម័យសង្គ្រាម

ចំណងជើងដើម៖ Formation of Online Content Patterns of Higher Education Based on Trends to Preserve Intellectual Capital Quality Decreasing in Ukraine During Wartime

អ្នកនិពន្ធ៖ Veronika Barvinok (Sumy State University, Ukraine), Tomasz Pudło (West Pomeranian University of Technology in Szczecin, Poland)

ឆ្នាំបោះពុម្ព៖ 2023 (Business Ethics and Leadership)

វិស័យសិក្សា៖ Higher Education / Crisis Management

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការធ្លាក់ចុះគុណភាពអប់រំកម្រិតឧត្តមសិក្សា និងការបាត់បង់មូលធនបញ្ញានៅក្នុងប្រទេសអ៊ុយក្រែន ដែលបណ្តាលមកពីសង្គ្រាមពេញទំហឹង ការផ្លាស់ទីលំនៅដោយបង្ខំ និងការខូចខាតហេដ្ឋារចនាសម្ព័ន្ធអប់រំ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធបានប្រើប្រាស់វិធីសាស្ត្រចម្រុះដោយរួមបញ្ចូលការជីកយកទិន្នន័យ និងឧបករណ៍វិភាគស្ថិតិ ដើម្បីពិនិត្យមើលនិន្នាការនៃការបោះពុម្ពផ្សាយ និងចំណាប់អារម្មណ៍របស់អ្នកប្រើប្រាស់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Google Trends Analysis
ការវិភាគនិន្នាការតាម Google Trends
ផ្តល់ទិន្នន័យជាក់ស្តែងតាមពេលវេលា (Real-time data) អំពីចំណាប់អារម្មណ៍របស់អ្នកប្រើប្រាស់ និងអាចតាមដានការប្រែប្រួលភ្លាមៗនៅពេលមានវិបត្តិ។ ទិន្នន័យអាចមានភាពលំអៀងទៅរកប្រជាជនដែលមានលទ្ធភាពប្រើប្រាស់អ៊ីនធឺណិត និងមិនបានបង្ហាញពីគុណភាពនៃការរៀនសូត្រជាក់ស្តែង។ បានរកឃើញការកើនឡើងនៃពាក្យគន្លឹះ 'ការសិក្សាពីចម្ងាយ' (Distance Learning) ជំនួសឱ្យពាក្យ 'សាកលវិទ្យាល័យ' ក្នុងអំឡុងពេលសង្គ្រាម។
Bibliometric Analysis (VOSviewer)
ការវិភាគគន្ថនិទ្ទេសដោយប្រើ VOSviewer
អាចកំណត់អត្តសញ្ញាណបណ្តុំនៃប្រធានបទស្រាវជ្រាវ (Research Clusters) និងប្រទេសដែលឈានមុខគេក្នុងការបង្កើតមាតិកាអប់រំ។ ពឹងផ្អែកលើទិន្នន័យពី Web of Science ដែលអាចមិនរាប់បញ្ចូលការបោះពុម្ពផ្សាយក្នុងស្រុកមួយចំនួន ឬទិន្នន័យដែលមិនមែនជាភាសាអង់គ្លេស។ អ៊ុយក្រែនត្រូវបានរកឃើញថាជាប្រទេសឈានមុខគេក្នុងការបោះពុម្ពផ្សាយអំពី 'និន្នាការអប់រំ' (Educational Trends) ក្នុងអំឡុងពេលនេះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះប្រើប្រាស់ឧបករណ៍ដែលមានតម្លៃសមរម្យ ប៉ុន្តែទាមទារការចូលប្រើមូលដ្ឋានទិន្នន័យស្រាវជ្រាវកម្រិតខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតសំខាន់លើបរិបទនៃប្រទេសអ៊ុយក្រែនដែលកំពុងមានសង្គ្រាម និងប្រើប្រាស់ទិន្នន័យស្វែងរកជាភាសាអ៊ុយក្រែន រុស្ស៊ី និងអង់គ្លេស។ សម្រាប់កម្ពុជា ការពឹងផ្អែកលើ Google Trends តែមួយមុខអាចមិនឆ្លុះបញ្ចាំងពេញលេញទេ ដោយសារសិស្សមួយចំនួនប្រើប្រាស់បណ្តាញសង្គម (Facebook/Telegram) សម្រាប់ព័ត៌មានអប់រំច្រើនជាង Google ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងលទ្ធផលនៃការសិក្សានេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់គ្រឹះស្ថានឧត្តមសិក្សានៅកម្ពុជាក្នុងការត្រៀមខ្លួនសម្រាប់វិបត្តិ និងការធ្វើទីផ្សារឌីជីថល។

ការប្រើប្រាស់ទិន្នន័យធំ (Big Data) ដើម្បីវិភាគតម្រូវការនិស្សិតគឺជាជំហានចាំបាច់សម្រាប់សាកលវិទ្យាល័យកម្ពុជា ដើម្បីប្រកួតប្រជែង និងរក្សាគុណភាពអប់រំក្នុងយុគសម័យឌីជីថល។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ការបណ្តុះបណ្តាលប្រើប្រាស់ឧបករណ៍វិភាគ: ចាប់ផ្តើមរៀនប្រើប្រាស់ (Google Trends) និង (VOSviewer) ដើម្បីស្វែងយល់ពីរបៀបទាញយក និងបង្ហាញទិន្នន័យដោយខ្លួនឯង។
  2. ការកំណត់ពាក្យគន្លឹះក្នុងស្រុក: អនុវត្តការស្រាវជ្រាវស្រដៀងគ្នាដោយប្រើពាក្យគន្លឹះជាភាសាខ្មែរ ដូចជា 'អាហារូបករណ៍', 'រៀនតាមអនឡាញ', ឬ 'ជំនាញ IT' ដើម្បីមើលពីតម្រូវការជាក់ស្តែងរបស់សិស្សកម្ពុជា។
  3. ការបង្កើតមាតិកាឆ្លើយតបនឹងតម្រូវការ: ស្នើឱ្យបង្កើតមាតិកាអប់រំដែលឆ្លើយតបនឹងសំណួរពេញនិយម (Inquiry-based content) ជំនួសឱ្យការគ្រាន់តែផ្សព្វផ្សាយពីឈ្មោះសាកលវិទ្យាល័យ។
  4. ការបង្កើនប្រសិទ្ធភាពសម្រាប់ទូរស័ព្ទដៃ: ដោយសាររបាយការណ៍បង្ហាញថាអ្នកប្រើប្រាស់ជិត ៦០% ប្រើប្រាស់ទូរស័ព្ទដៃ ត្រូវប្រាកដថាគេហទំព័រ និងមាតិកាសិក្សារបស់សាកលវិទ្យាល័យដំណើរការល្អលើ (Mobile Devices)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Bibliometric analysis គឺជាវិធីសាស្ត្រស្ថិតិដែលប្រើសម្រាប់វិភាគទិន្នន័យនៃការបោះពុម្ពផ្សាយ (ដូចជាសៀវភៅ អត្ថបទស្រាវជ្រាវ) ដើម្បីវាស់វែងឥទ្ធិពល និងកំណត់និន្នាការនៃការស្រាវជ្រាវនៅក្នុងវិស័យណាមួយ។ ប្រៀបដូចជាការរាប់ចំនួន 'Like' និង 'Share' លើអត្ថបទជាច្រើនក្នុង Facebook ដើម្បីដឹងថាប្រធានបទអ្វីកំពុងពេញនិយមបំផុត។
Cluster analysis គឺជាបច្ចេកទេសក្នុងការបែងចែកទិន្នន័យជាក្រុមៗ (Clusters) ដោយផ្អែកលើភាពស្រដៀងគ្នារបស់វា ដើម្បីឱ្យអ្នកស្រាវជ្រាវងាយស្រួលមើលឃើញទំនាក់ទំនងរវាងពាក្យគន្លឹះ ឬប្រធានបទផ្សេងៗ។ ដូចជាការបែងចែកផ្លែឈើចម្រុះក្នុងកន្ត្រកមួយ ទៅជាគំនរផ្លែប៉ោម ផ្លែក្រូច និងផ្លែចេកដាច់ដោយឡែកពីគ្នា។
Intellectual Capital សំដៅលើទ្រព្យសម្បត្តិអរូបីនៃស្ថាប័ន ឬប្រទេសមួយ ដែលកើតចេញពីចំណេះដឹង ជំនាញ បទពិសោធន៍ និងសមត្ថភាពរបស់ធនធានមនុស្ស ដែលអាចបង្កើតតម្លៃសេដ្ឋកិច្ចបាន។ ប្រៀបដូចជា 'Software' (ចំណេះដឹង/ជំនាញ) នៅក្នុងកុំព្យូទ័រ ដែលសំខាន់មិនចាញ់ 'Hardware' (អគារ/ឧបករណ៍) នោះទេ។
Blended learning គឺជាគំរូនៃការអប់រំដែលរួមបញ្ចូលគ្នារវាងការរៀនក្នុងថ្នាក់ផ្ទាល់ជាមួយគ្រូ (Face-to-face) និងការរៀនតាមរយៈប្រព័ន្ធអនឡាញ (Online learning) ដើម្បីផ្តល់ភាពបត់បែនដល់អ្នកសិក្សា។ ដូចជាការធ្វើការងារខ្លះនៅការិយាល័យ និងការងារខ្លះទៀតធ្វើពីផ្ទះតាមកុំព្យូទ័រ (Hybrid working)។
Inquiry-based learning គឺជាវិធីសាស្ត្របង្រៀនដែលផ្តោតលើសិស្ស (Student-centered) ដោយជំរុញឱ្យពួកគេសួរសំណួរ ដោះស្រាយបញ្ហា និងស្រាវជ្រាវរកចម្លើយដោយខ្លួនឯង ជាជាងគ្រាន់តែទទួលយកព័ត៌មានពីគ្រូ។ ដូចជាអ្នកស៊ើបអង្កេតដែលត្រូវស្វែងរកតម្រុយដើម្បីដោះស្រាយរឿងក្តីដោយខ្លួនឯង ជាជាងការប្រាប់ចម្លើយភ្លាមៗ។
Google Trends គឺជាឧបករណ៍វិភាគទិន្នន័យដែលបង្ហាញពីប្រជាប្រិយភាពនៃពាក្យស្វែងរក (Search Queries) លើម៉ាស៊ីនស្វែងរក Google តាមពេលវេលា និងទីតាំងភូមិសាស្ត្រជាក់លាក់។ ដូចជាទែម៉ូម៉ែត្រសម្រាប់វាស់កម្ដៅនៃការចាប់អារម្មណ៍របស់មនុស្សទូទៅលើរឿងអ្វីមួយក្នុងពេលបច្ចុប្បន្ន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖