Original Title: การรับรู้สื่อการรับสมัครนักศึกษาใหม่เพื่อศึกษาต่อในมหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย วิทยาเขตนครศรีธรรมราช (ไสใหญ่)
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការយល់ដឹងអំពីប្រព័ន្ធផ្សព្វផ្សាយសម្រាប់ការជ្រើសរើសនិស្សិតថ្មីដើម្បីបន្តការសិក្សានៅសាកលវិទ្យាល័យបច្ចេកវិទ្យា Rajamangala Srivijaya សាខា Nakhon Si Thammarat (Saiyai)

ចំណងជើងដើម៖ การรับรู้สื่อการรับสมัครนักศึกษาใหม่เพื่อศึกษาต่อในมหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย วิทยาเขตนครศรีธรรมราช (ไสใหญ่)

អ្នកនិពន្ធ៖ สุธิกาญจน์ แก้วคงบุญ (Sutikarn Kaewkongbun, Rajamangala University of Technology Srivijaya)

ឆ្នាំបោះពុម្ព៖ 2010

វិស័យសិក្សា៖ Public Relations and Higher Education Marketing

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះមានគោលបំណងសិក្សាអំពីការយល់ដឹងរបស់និស្សិតថ្មីចំពោះប្រព័ន្ធផ្សព្វផ្សាយសម្រាប់ការជ្រើសរើសចូលរៀន និងដើម្បីធ្វើជាមូលដ្ឋានក្នុងការអភិវឌ្ឍប្រព័ន្ធផ្សព្វផ្សាយនៅសាកលវិទ្យាល័យបច្ចេកវិទ្យា Rajamangala Srivijaya សាខា Nakhon Si Thammarat។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណ (Quantitative Research) ដោយប្រមូលទិន្នន័យពីសំណាកនិស្សិតថ្មីប្រចាំឆ្នាំសិក្សា ២០១០ ចំនួន ៣០០ នាក់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Internet Media / Website
ប្រព័ន្ធផ្សព្វផ្សាយតាមអ៊ីនធឺណិត / គេហទំព័រ
អាចផ្សព្វផ្សាយព័ត៌មានបានទូលំទូលាយ និងលឿនរហ័ស។ ជម្រើសនេះទទួលបានការចាប់អារម្មណ៍ខ្ពស់បំផុតពីនិស្សិត។ ទាមទារប្រព័ន្ធអ៊ីនធឺណិតដែលមានល្បឿនលឿន។ និស្សិតបានរាយការណ៍ថាការទាញយកឯកសារមានភាពយឺតយ៉ាវ។ និស្សិត ៦២.៣% ទទួលបានព័ត៌មានពីគេហទំព័រសាកលវិទ្យាល័យ ហើយមានកម្រិតការយល់ដឹងខ្ពស់បំផុត (មធ្យមភាគ = ៤.០៧)។
Personal Media (Educational Guidance)
ប្រព័ន្ធផ្សព្វផ្សាយផ្ទាល់ខ្លួន (ការចុះណែនាំអំពីការសិក្សា)
មានទំនាក់ទំនងផ្ទាល់ជាមួយសិស្សានុសិស្ស ដែលជួយផ្តល់ព័ត៌មានបានច្បាស់លាស់ និងអាចឆ្លើយតបសំណួរបានភ្លាមៗ។ ចំណាយធនធានមនុស្សច្រើន និងមិនអាចចុះទៅដល់គ្រប់ទីកន្លែងគោលដៅទាំងអស់បានទេ។ ជម្រើសដែលទទួលបានការចាប់អារម្មណ៍លំដាប់ទី២ (២៥.៧%) ហើយមានភាពខុសប្លែកគ្នាជាខ្លាំងចំពោះការយល់ដឹងរវាងសិស្សប្រុសនិងស្រី។
Broadcasting Media (Radio)
ប្រព័ន្ធផ្សព្វផ្សាយតាមរលកធាតុអាកាស (វិទ្យុ)
អាចទៅដល់ប្រជាជនដែលនៅតំបន់ជនបទ ឬអ្នកដែលនិយមស្តាប់វិទ្យុក្នុងតំបន់។ មិនមានភាពទាក់ទាញខ្លាំងសម្រាប់យុវជនជំនាន់ថ្មី និងទទួលបានការចាប់អារម្មណ៍ទាប។ និស្សិតទទួលបានព័ត៌មានតាមវិទ្យុតិចតួចបំផុត (ត្រឹមតែ ៦% ប៉ុណ្ណោះ) ជាមួយនឹងពិន្ទុនៃការយល់ដឹងទាបបំផុត (មធ្យមភាគ = ២.៦៨)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់លម្អិតអំពីតម្លៃធនធានហិរញ្ញវត្ថុនោះទេ ប៉ុន្តែវាទាមទារនូវការប្រើប្រាស់ធនធានមនុស្សសម្រាប់ការចុះប្រមូលទិន្នន័យ និងកម្មវិធីសម្រាប់វិភាគស្ថិតិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងឆ្នាំ ២០១០ ផ្តោតតែលើនិស្សិតថ្មីរបស់សាកលវិទ្យាល័យ RMUTSV សាខា Nakhon Si Thammarat ប៉ុណ្ណោះ។ សំណាកភាគច្រើនជានិស្សិតនារី (៨៧.៧%) និងជានិស្សិតផ្នែកគ្រប់គ្រង ហេតុនេះទិន្នន័យមិនអាចតំណាងឱ្យនិស្សិតទូទាំងប្រទេសថៃ ឬឆ្លុះបញ្ចាំងពីបរិបទបច្ចុប្បន្នដែលប្រព័ន្ធផ្សព្វផ្សាយសង្គមមានការវិវត្តខ្លាំងនោះទេ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាទិន្នន័យមានភាពចាស់បន្តិច ប៉ុន្តែវិធីសាស្ត្រក្នុងការវាស់ស្ទង់ការយល់ដឹង និងការពេញចិត្តនេះ គឺមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់គ្រឹះស្ថានឧត្តមសិក្សានៅកម្ពុជា។

ការស្វែងយល់ពីអាកប្បកិរិយានៃការទទួលព័ត៌មានរបស់សិស្សានុសិស្ស នឹងជួយឱ្យគ្រឹះស្ថានអប់រំនៅកម្ពុជាអាចរៀបចំយុទ្ធសាស្ត្រទីផ្សារបានចំគោលដៅ សន្សំសំចៃខ្ពស់ និងបង្កើនអត្រាចុះឈ្មោះចូលរៀន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. កំណត់ប្រជាសាស្ត្រគោលដៅ និងទំហំគំរូ (Define Target & Sample Size): ប្រើប្រាស់រូបមន្ត Taro Yamane ដើម្បីគណនាទំហំគំរូ (Sample Size) ឱ្យបានត្រឹមត្រូវ។ អ្នកអាចជ្រើសរើសយកសិស្សថ្នាក់ទី១២ ឬនិស្សិតឆ្នាំទី១ ដែលទើបចុះឈ្មោះចូលរៀននៅក្នុងសាកលវិទ្យាល័យរបស់អ្នក។
  2. រចនាកម្រងសំណួរវាយតម្លៃ (Design the Questionnaire): រៀបចំកម្រងសំណួរដែលបែងចែកជាពីរផ្នែក៖ ព័ត៌មានទូទៅ (ភេទ, អាយុ, មុខជំនាញ) និងកម្រិតនៃការយល់ដឹង/ពេញចិត្ត (វាស់ស្ទង់ជាពិន្ទុ ១ ដល់ ៥) ដោយអាចប្រើប្រាស់ Google FormsKoboToolbox
  3. ប្រមូល និងបញ្ចូលកូដទិន្នន័យ (Data Collection & Coding): ចុះប្រមូលទិន្នន័យផ្ទាល់ ឬចែករំលែកតំណរតាមតេឡេក្រាម។ បន្ទាប់មក ធ្វើការបំប្លែងទិន្នន័យ (Data Coding) ដោយដាក់ជាលេខកូដនៅក្នុងកម្មវិធី Microsoft Excel
  4. វិភាគទិន្នន័យដោយប្រើប្រាស់ស្ថិតិ (Data Analysis): ប្រើប្រាស់កម្មវិធី SPSS ដើម្បីស្វែងរកភាគរយ និងមធ្យមភាគ។ ដើម្បីដឹងថាភេទ ឬអាយុខុសគ្នា មានការទទួលព័ត៌មានខុសគ្នាឬអត់ សូមប្រើប្រាស់ Independent t-test និង One-Way ANOVA
  5. កែលម្អយុទ្ធសាស្ត្រទំនាក់ទំនងសាធារណៈ (Optimize PR Strategy): ផ្អែកលើលទ្ធផលនៃការវិភាគ សូមស្នើសុំថ្នាក់ដឹកនាំកាត់បន្ថយការចំណាយលើប្រព័ន្ធផ្សព្វផ្សាយណាដែលមិនមានប្រសិទ្ធភាព (ដូចជាការបោះពុម្ពខិត្តប័ណ្ណច្រើនពេក) ហើយបង្វែរថវិកាទៅពង្រឹងគេហទំព័រ ឬពង្រីកយុទ្ធនាការចុះតាមវិទ្យាល័យគោលដៅវិញ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Perception ដំណើរការដែលខួរក្បាលរបស់មនុស្សទទួលយកព័ត៌មានពីបរិស្ថានជុំវិញតាមរយៈញ្ញាណទាំង៥ រួចធ្វើការបកស្រាយ និងផ្តល់អត្ថន័យទៅលើព័ត៌មាននោះ ដោយផ្អែកលើបទពិសោធន៍ ជំនឿ និងចំណង់ចំណូលចិត្តរៀងៗខ្លួន។ វាដូចជាការពាក់វ៉ែនតាពណ៌ខុសៗគ្នាដែលធ្វើឱ្យមនុស្សពីរនាក់មើលឃើញវត្ថុមួយមានពណ៌ខុសគ្នា អាស្រ័យលើវ៉ែនតាដែលពួកគេពាក់។
Selective Exposure ទម្លាប់របស់មនុស្សក្នុងការជ្រើសរើសទទួលយកតែព័ត៌មាន ឬប្រព័ន្ធផ្សព្វផ្សាយណាដែលស្របទៅនឹងចំណូលចិត្ត ជំនឿ និងអាកប្បកិរិយារបស់ខ្លួន ហើយជៀសវាងព័ត៌មានដែលផ្ទុយពីគំនិត ឬធ្វើឱ្យពួកគេមានអារម្មណ៍មិនស្រួល។ វាដូចជាការដែលយើងរើសមើលតែប៉ុស្តិ៍ទូរទស្សន៍ណាដែលមានរឿងយើងចូលចិត្ត ហើយប្តូរចេញភ្លាមៗនៅពេលឃើញកម្មវិធីដែលយើងមិនចូលចិត្ត។
Selective Retention ការដែលមនុស្សមានទំនោរចងចាំតែព័ត៌មានណាដែលគាំទ្រដល់ជំនឿ ឬចំណាប់អារម្មណ៍របស់ខ្លួន ហើយឆាប់ភ្លេចព័ត៌មានណាដែលមិនមានប្រយោជន៍ ឬផ្ទុយពីការយល់ឃើញរបស់ខ្លួន។ វាដូចជាកន្ត្រងដែលត្រងយកតែកម្ទេចមាសទុក ហើយបង្ហូរចោលនូវកម្ទេចថ្មឬខ្សាច់ដែលយើងមិនត្រូវការ។
Purposive Sampling វិធីសាស្ត្រជ្រើសរើសសំណាកសម្រាប់ការស្រាវជ្រាវ ដោយអ្នកស្រាវជ្រាវជាអ្នកកំណត់លក្ខណៈវិនិច្ឆ័យជាក់លាក់ណាមួយជាមុន ហើយជ្រើសរើសយកតែអ្នកដែលបំពេញតាមលក្ខខណ្ឌនោះមកធ្វើការសិក្សា ដើម្បីធានាថាបានទិន្នន័យចំគោលដៅ។ វាដូចជាការរើសយកតែសិស្សដែលពូកែគណិតវិទ្យាមកប្រកួតប្រជែង ដោយមិនមែនចាប់ឆ្នោតរើសសិស្សទូទៅដោយចៃដន្យនោះទេ។
Independent t-test រូបមន្តស្ថិតិដែលប្រើដើម្បីប្រៀបធៀបមធ្យមភាគនៃទិន្នន័យរវាងក្រុមឯករាជ្យ ២ ផ្សេងគ្នា (ឧទាហរណ៍៖ សិស្សប្រុស និង សិស្សស្រី) ថាតើពួកគេមានការយល់ដឹង ឬអាកប្បកិរិយាខុសគ្នាជាក់ស្តែងដែរឬទេ។ វាដូចជាការយកកម្ពស់ជាមធ្យមរបស់ក្រុមសិស្សប្រុស មកប្រៀបធៀបជាមួយក្រុមសិស្សស្រី ដើម្បីមើលថាអ្នកណានៅតែខ្ពស់ជាង ទោះបីជាមានអ្នកខ្លះទាបជាងក៏ដោយ។
One-Way ANOVA ជាវិធីសាស្ត្រវិភាគស្ថិតិដែលប្រើសម្រាប់ប្រៀបធៀបមធ្យមភាគនៃទិន្នន័យចាប់ពី ៣ ក្រុមឡើងទៅ (ឧទាហរណ៍៖ សិស្សមកពីមុខជំនាញ ៤ ផ្សេងគ្នា) ដើម្បីចង់ដឹងថាតើក្រុមទាំងនោះមានភាពខុសគ្នាក្នុងកម្រិតដែលគួរឱ្យកត់សម្គាល់ ឬយ៉ាងណា។ វាដូចជាការប្រកួតប្រៀបធៀបពិន្ទុជាមធ្យមនៃសិស្ស ៤ ថ្នាក់ផ្សេងគ្នា ដើម្បីរកមើលថាតើថ្នាក់ទាំង ៤ នោះមានសមត្ថភាពខុសគ្នាពិតប្រាកដឬអត់។
Cronbach's Alpha (α-Coefficient) ជាតម្លៃស្ថិតិដែលប្រើដើម្បីវាស់ស្ទង់ភាពជឿជាក់ (Reliability) នៃកម្រងសំណួរ ថាតើសំណួរទាំងនោះមានភាពស៊ីសង្វាក់គ្នា និងអាចទាញយកចម្លើយបានត្រឹមត្រូវពិតប្រាកដ ឬអត់ មុននឹងយកទៅសួរមនុស្សរាប់រយនាក់។ វាដូចជាការយកជញ្ជីងមួយទៅថ្លឹងវត្ថុដដែលៗ ៣ដង ហើយជញ្ជីងនោះនៅតែបង្ហាញទម្ងន់ដដែល ដែលបញ្ជាក់ថាវាជារបស់ល្អនិងគួរឱ្យទុកចិត្ត។
Halo Effect បាតុភូតផ្លូវចិត្តដែលការវាយតម្លៃរបស់មនុស្សទៅលើបុគ្គល ឬវត្ថុណាមួយ ត្រូវបានជះឥទ្ធិពលយ៉ាងខ្លាំងដោយចំណាប់អារម្មណ៍ល្អតែមួយជ្រុង ធ្វើឱ្យគេគិតថាចំណុចផ្សេងទៀតក៏ល្អដូចគ្នាដែរ។ វាដូចជាការដែលយើងឃើញសៀវភៅមួយមានក្រلافក្របទាក់ទាញ ហើយយើងសន្និដ្ឋានថាសាច់រឿងខាងក្នុងពិតជាល្អមើលណាស់ដោយមិនទាន់បានអាន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖