បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការស្វែងយល់ពីកត្តាដែលជំរុញទឹកចិត្តនិស្សិតក្នុងការសិក្សាតាមប្រព័ន្ធអនឡាញ ជាពិសេសដោយផ្តោតលើការយល់ឃើញផ្ទាល់ខ្លួនរបស់និស្សិតអំពីការសិក្សាតាមប្រព័ន្ធអេឡិចត្រូនិក (E-learning) នៅក្នុងស្ថាប័នឧត្តមសិក្សា។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់វិធីសាស្ត្រស្ទង់មតិ និងការវិភាគទិន្នន័យបរិមាណកម្រិតខ្ពស់ ដើម្បីស្វែងរកទំនាក់ទំនងរវាងអថេរនៃការយល់ឃើញ និងការជំរុញទឹកចិត្ត។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Exploratory Factor Analysis (EFA) & Reliability Analysis ការវិភាគកត្តាស្វែងរក និងការធ្វើតេស្តភាពជឿជាក់ |
ជួយកំណត់រចនាសម្ព័ន្ធកត្តានៃទិន្នន័យ និងធានាថាកម្រងសំណួរមានភាពជឿជាក់ខ្ពស់មុននឹងឈានទៅការវិភាគបន្ត។ វាជាមូលដ្ឋានគ្រឹះដ៏សំខាន់សម្រាប់ការស្រាវជ្រាវបរិមាណ។ | មិនអាចប្រើដើម្បីវាស់ស្ទង់ ឬធ្វើតេស្តសម្មតិកម្មនៃទំនាក់ទំនងរវាងអថេរច្រើនក្នុងពេលតែមួយបានទេ។ | មេគុណ KMO = ០.៩១៧ និង Cronbach's Alpha > ០.៨ សម្រាប់គ្រប់អថេរ ដែលបញ្ជាក់ពីភាពជឿជាក់ខ្ពស់។ |
| Structural Equation Modeling (SEM) ការវិភាគគំរូសមីការរចនាសម្ព័ន្ធ |
មានសមត្ថភាពខ្ពស់ក្នុងការវាយតម្លៃទំនាក់ទំនងស្មុគស្មាញរវាងអថេរច្រើនក្នុងពេលតែមួយ និងផ្តល់នូវសូចនាករភាពស័ក្តិសមនៃគំរូ (Model Fit) យ៉ាងច្បាស់លាស់។ | ទាមទារឱ្យមានទំហំសំណាកធំ (យ៉ាងតិច ២០០ សំណាក) និងតម្រូវឱ្យអ្នកស្រាវជ្រាវមានចំណេះដឹងជ្រៅជ្រះផ្នែកស្ថិតិកម្រិតខ្ពស់។ | គំរូមានភាពស័ក្តិសមល្អ (CFI=០.៩៦៨, RMSEA=០.០៦៦) និងបានបញ្ជាក់ថាសម្មតិកម្មទាំង៣ត្រូវបានទទួលយក (P < ០.០៥)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងទៅលើការប្រមូលទិន្នន័យតាមប្រព័ន្ធអនឡាញ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះធ្វើឡើងនៅសាកលវិទ្យាល័យកសិកម្មជាតិវៀតណាម ដោយប្រើប្រាស់វិធីសាស្ត្រជ្រើសរើសសំណាកតាមភាពងាយស្រួល (Convenience Sampling) តាមរយៈអ៊ីមែល និងបណ្ដាញសង្គម Zalo លើនិស្សិតចំនួន ២៧៨នាក់។ ការប្រើប្រាស់វិធីនេះអាចបង្កឱ្យមានភាពលម្អៀង ដោយសារវាប្រមូលបានតែទិន្នន័យពីនិស្សិតដែលមានឧបករណ៍ឌីជីថល និងអ៊ីនធឺណិតគ្រប់គ្រាន់។ សម្រាប់ប្រទេសកម្ពុជា ការទាញយកលទ្ធផលនេះមកប្រើប្រាស់ដោយផ្ទាល់អាចមានកម្រិត ដោយសារនិស្សិតនៅតំបន់ជនបទអាចមានការយល់ឃើញខុសគ្នាស្រឡះ ដោយសារបញ្ហាកង្វះខាតហេដ្ឋារចនាសម្ព័ន្ធឌីជីថល។
ទោះបីជាមានភាពខុសគ្នានៃបរិបទខ្លះក៏ដោយ ការស្រាវជ្រាវនេះផ្តល់នូវក្របខណ្ឌដ៏មានតម្លៃសម្រាប់គ្រឹះស្ថានឧត្តមសិក្សានៅកម្ពុជា ក្នុងការវាយតម្លៃ និងជំរុញការសិក្សាតាមប្រព័ន្ធអនឡាញ។
ជារួម ស្ថាប័នអប់រំនៅកម្ពុជាគួរតែផ្តោតអាទិភាពលើការរៀបចំកម្មវិធីតម្រង់ទិស ដើម្បីពង្រឹងជំនាញឌីជីថលមូលដ្ឋាន និងបង្ហាញពីអត្ថប្រយោជន៍ជាក់ស្តែង ដើម្បីជំរុញទឹកចិត្តនិស្សិតក្នុងការសិក្សាអនឡាញប្រកបដោយប្រសិទ្ធភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Structural Equation Modeling (ការវិភាគគំរូសមីការរចនាសម្ព័ន្ធ) | ជាវិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់ដែលប្រើសម្រាប់សាកល្បង និងប៉ាន់ស្មានទំនាក់ទំនងដ៏ស្មុគស្មាញរវាងអថេរជាច្រើនក្នុងពេលតែមួយ ទាំងអថេរដែលអាចវាស់វែងបានផ្ទាល់ និងអថេរដែលមិនអាចវាស់វែងបានផ្ទាល់ (អថេរលាក់កំបាំងដូចជាការយល់ឃើញជាដើម)។ វាជួយបញ្ជាក់ថាតើគំរូទ្រឹស្តីដែលបានស្នើឡើងពិតជាត្រឹមត្រូវឬអត់។ | ដូចជាការគូរផែនទីបណ្ដាញផ្លូវទឹក ដើម្បីមើលថាតើទឹកហូរពីប្រភពមួយទៅប្រភពមួយទៀតមានឥទ្ធិពលលើគ្នាផ្ទាល់ ឬប្រយោលយ៉ាងដូចម្តេចខ្លះនៅក្នុងប្រព័ន្ធទាំងមូល។ |
| Exploratory Factor Analysis (ការវិភាគកត្តាស្វែងរក) | ជាបច្ចេកទេសស្ថិតិសម្រាប់បង្រួមទិន្នន័យពីសំណួរស្ទង់មតិជាច្រើនឱ្យទៅជាក្រុម ឬកត្តាធំៗពីរបី ដោយស្វែងរកទំនាក់ទំនងរវាងអថេរទាំងនោះ ដើម្បីមើលថាតើសំណួរណាខ្លះវាស់ស្ទង់ពីគំនិតតែមួយមុននឹងយកទៅវិភាគបន្ត។ | ដូចជាការយកសៀវភៅរាប់រយក្បាលដែលនៅរាយប៉ាយ មកតម្រៀបជាក្រុមៗ (ប្រវត្តិសាស្ត្រ វិទ្យាសាស្ត្រ កំណាព្យ) ដោយផ្អែកលើភាពស្រដៀងគ្នានៃខ្លឹមសាររបស់វា។ |
| Confirmatory Factor Analysis (ការវិភាគកត្តាបញ្ជាក់) | ជាវិធីសាស្ត្រដែលធ្វើឡើងបន្ទាប់ពី EFA សម្រាប់សាកល្បង និងបញ្ជាក់ថាតើរចនាសម្ព័ន្ធនៃកត្តាដែលបានរកឃើញពីមុន ឬទ្រឹស្តីដែលមានស្រាប់ ពិតជាស័ក្តិសមជាមួយទិន្នន័យដែលប្រមូលបានជាក់ស្តែងកម្រិតណា។ | ដូចជាការយកប្លង់ផ្ទះដែលបានគូររួច ទៅផ្ទៀងផ្ទាត់មើលថាតើគ្រឹះ និងសសរដែលបានសាងសង់ជាក់ស្តែង ពិតជាត្រូវគ្នាបេះបិទតាមប្លង់នោះឬក៏អត់។ |
| Cronbach's Alpha (មេគុណអាល់ហ្វារបស់ Cronbach) | ជារង្វាស់ស្ថិតិដែលប្រើដើម្បីវាយតម្លៃភាពជឿជាក់ ឬភាពស៊ីសង្វាក់គ្នានៃកម្រងសំណួរ។ បើមេគុណនេះខ្ពស់ (ធំជាង ០.៧ ឬជិតដល់ ១) មានន័យថាសំណួរទាំងអស់ក្នុងក្រុមតែមួយពិតជាវាស់ស្ទង់រឿងតែមួយប្រាកដមែន ហើយទិន្នន័យអាចទុកចិត្តបាន។ | ដូចជាការថ្លឹងទម្ងន់វត្ថុមួយនៅលើជញ្ជីង៣ផ្សេងគ្នា ប្រសិនបើជញ្ជីងទាំង៣បង្ហាញទម្ងន់ដូចគ្នាស្បិត នោះមានន័យថាជញ្ជីងទាំងនោះមានភាពជឿជាក់ខ្ពស់។ |
| Latent variable (អថេរលាក់កំបាំង) | ជាអថេរដែលមិនអាចវាស់វែង ឬសង្កេតឃើញដោយផ្ទាល់បានទេ (ឧទាហរណ៍៖ ការជំរុញទឹកចិត្ត ភាពវៃឆ្លាត ការយល់ឃើញ) ប៉ុន្តែគេអាចទាញយកទំហំរបស់វាបានតាមរយៈការប្រើប្រាស់សូចនាករ ឬសំណួរពាក់ព័ន្ធជាច្រើនរួមបញ្ចូលគ្នា។ | ដូចជា "ភាពកក់ក្តៅនៃគ្រួសារ" ដែលយើងមិនអាចវាស់ជាម៉ែត្រ ឬគីឡូបានទេ តែយើងដឹងតាមរយៈការសង្កេតមើលការញ៉ាំបាយជុំគ្នា ការនិយាយលេងសើច និងការជួយយកអាសាគ្នា។ |
| Convenience sampling (ការជ្រើសរើសសំណាកតាមភាពងាយស្រួល) | ជាវិធីសាស្ត្រជ្រើសរើសអ្នកចូលរួមក្នុងការស្រាវជ្រាវ ដោយពឹងផ្អែកលើអ្នកដែលងាយស្រួលទាក់ទងបានបំផុត ឬអ្នកដែលស្ម័គ្រចិត្តចូលរួមភ្លាមៗ ជាជាងការជ្រើសរើសដោយចៃដន្យតាមលក្ខណៈវិទ្យាសាស្ត្រពេញលេញ។ វាងាយស្រួលនិងចំណាយតិច តែអាចងាយប្រឈមនឹងភាពលម្អៀង។ | ដូចជាការឈរនៅមុខក្លោងទ្វារសាលា ហើយសួរសំណួរទៅកាន់សិស្សណាដែលដើរកាត់មុខយើងមុនគេ ដើម្បីងាយស្រួលប្រមូលចម្លើយឱ្យបានលឿន។ |
| Likert scale (មាត្រដ្ឋាន Likert) | ជាមាត្រដ្ឋានវាស់ស្ទង់ទូទៅក្នុងការស្ទង់មតិ ដែលតម្រូវឱ្យអ្នកឆ្លើយបញ្ជាក់ពីកម្រិតនៃការយល់ព្រម ឬមិនយល់ព្រមចំពោះសេចក្តីថ្លែងការណ៍ណាមួយ (ជាទូទៅមាន ៥ កម្រិត ពី "មិនយល់ព្រមទាល់តែសោះ" ដល់ "យល់ព្រមខ្លាំងបំផុត")។ | ដូចជាការឱ្យពិន្ទុហាងកាហ្វេពី ១ផ្កាយ ដល់ ៥ផ្កាយ ដើម្បីបង្ហាញពីកម្រិតនៃការពេញចិត្តរបស់អ្នកចំពោះរសជាតិកាហ្វេនៅទីនោះ។ |
| Goodness-of-fit index (សូចនាករភាពស័ក្តិសមនៃគំរូ) | ជាតម្លៃស្ថិតិ (ដូចជា GFI, CFI, RMSEA) ដែលបង្ហាញថាតើគំរូសម្មតិកម្មដែលអ្នកស្រាវជ្រាវបានបង្កើតឡើង ស៊ីគ្នា ឬស័ក្តិសមជាមួយទិន្នន័យជាក់ស្តែងដែលប្រមូលបានកម្រិតណា។ តម្លៃកាន់តែល្អ បញ្ជាក់ថាទ្រឹស្តីនិងការអនុវត្តជាក់ស្តែងដើរស្របគ្នា។ | ដូចជាការយកអាវដែលកាត់តាមរង្វាស់ខ្នាតទៅឱ្យអតិថិជនស្លៀក ដើម្បីមើលថាតើវាល្មមស័ក្តិសមនឹងរាងកាយរបស់គាត់ប៉ុនណា បើមិនល្មមទេ គឺត្រូវកែតម្រូវឡើងវិញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
