បញ្ហា (The Problem)៖ ឯកសារនេះផ្តោតទៅលើការស្វែងយល់ពីកត្តាដែលជំរុញ និងរារាំងដល់សកម្មភាពស្រាវជ្រាវវិទ្យាសាស្ត្ររបស់និស្សិតនៅសាកលវិទ្យាល័យ Thu Dau Mot ប្រទេសវៀតណាម ដើម្បីស្វែងរកដំណោះស្រាយក្នុងការលើកកម្ពស់គុណភាពអប់រំកម្រិតឧត្តមសិក្សា។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណដោយផ្អែកលើការស្ទង់មតិ និងការវិភាគទិន្នន័យស្ថិតិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Exploratory Factor Analysis (EFA) ការវិភាគកត្តាស្វែងរក (EFA) |
ជួយកាត់បន្ថយអថេរជាច្រើន និងចង្អុលបង្ហាញកត្តាគោលដែលជះឥទ្ធិពលពិតប្រាកដ។ ធានាបាននូវសុពលភាពនៃរង្វាស់រង្វាល់។ | ត្រូវការទិន្នន័យសំណាកក្នុងចំនួនច្រើន (ជាទូទៅ N>300) ដើម្បីធានាបាននូវភាពត្រឹមត្រូវនិងស្ថិរភាពនៃម៉ូដែល។ | ទាញយកបានកត្តាចំនួន ៥ ដែលមានតម្លៃ eigenvalue > 1 និងអាចពន្យល់បាន ៥៩.៥១៧% នៃបម្រែបម្រួលទិន្នន័យ។ |
| Ordinary Least Squares (OLS) Regression ការវិភាគតំរែតំរង់ពហុអថេរ OLS |
បង្ហាញពីកម្រិតឥទ្ធិពល (ទម្ងន់) និងទិសដៅនៃកត្តានីមួយៗទៅលើសកម្មភាពស្រាវជ្រាវបានយ៉ាងច្បាស់លាស់។ | ទាមទារឱ្យទិន្នន័យគោរពតាមលក្ខខណ្ឌតឹងរ៉ឹង ដូចជាគ្មានបញ្ហាពហុនិទ្ទេស (Multicollinearity) និងមានបំណែងចែកធម្មតា។ | បញ្ជាក់ថាកត្តា "បរិយាកាសស្រាវជ្រាវ" មានឥទ្ធិពលវិជ្ជមានខ្លាំងជាងគេ (β=0.349) ហើយម៉ូដែលនេះស័ក្តិសមនៅកម្រិត R2=0.446។ |
| ANOVA and T-test ការវិភាគភាពខុសគ្នាមធ្យម (ANOVA និង T-test) |
ជួយប្រៀបធៀបកម្រិតនៃសកម្មភាពស្រាវជ្រាវរវាងក្រុមនិស្សិតផ្សេងៗគ្នាបានយ៉ាងងាយស្រួល។ | គ្រាន់តែប្រាប់ពីអត្ថិភាពនៃភាពខុសគ្នា តែមិនអាចពន្យល់ពីមូលហេតុស៊ីជម្រៅនៃភាពខុសគ្នាទាំងនោះបានទេ។ | រកឃើញថាមានភាពខុសគ្នានៃសកម្មភាពស្រាវជ្រាវរវាងនិស្សិតតាមមហាវិទ្យាល័យ (ឧ. សេដ្ឋកិច្ច និងបច្ចេកវិទ្យា) តែគ្មានភាពខុសគ្នារវាងការស្រាវជ្រាវជាលក្ខណៈបុគ្គលនិងក្រុមទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់ពីការចំណាយថវិកាលម្អិតនោះទេ ប៉ុន្តែផ្អែកលើវិធីសាស្ត្រដែលប្រើប្រាស់ ការសិក្សានេះទាមទារធនធានដូចខាងក្រោម៖
ការសិក្សានេះត្រូវបានធ្វើឡើងតែនៅក្នុងសាកលវិទ្យាល័យ Thu Dau Mot ក្នុងប្រទេសវៀតណាមប៉ុណ្ណោះ ដោយប្រមូលទិន្នន័យពីនិស្សិត ៦១០ នាក់ក្នុងមហាវិទ្យាល័យចំនួន ៤។ លទ្ធផលនេះអាចមានភាពលម្អៀងទៅនឹងបរិបទប្រព័ន្ធអប់រំ និងវប្បធម៌យល់ដឹងរបស់និស្សិតវៀតណាម ដែលប្រហែលជាមិនឆ្លុះបញ្ចាំងទាំងស្រុងពីឧបសគ្គ ឬកម្លាំងជំរុញរបស់និស្សិតនៅប្រទេសកម្ពុជាឡើយ។ ទោះយ៉ាងណា វាជាក្របខ័ណ្ឌយោងដ៏ល្អមួយ។
វិធីសាស្ត្រវាយតម្លៃ និងកត្តាគន្លឹះដែលបានរកឃើញនៅក្នុងការសិក្សានេះ គឺពិតជាមានប្រយោជន៍ និងអាចយកមកកែច្នៃអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពនៅក្នុងគ្រឹះស្ថានឧត្តមសិក្សានៅប្រទេសកម្ពុជា។
សរុបមក ការកសាងបរិយាកាសអំណោយផលដល់ការស្រាវជ្រាវ និងការពង្រឹងសមត្ថភាពសាស្ត្រាចារ្យក្នុងការណែនាំ គឺជាយុទ្ធសាស្ត្រស្នូលដែលសាកលវិទ្យាល័យនៅកម្ពុជាគួរវិនិយោគជាអាទិភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Cronbach's Alpha | ជារង្វាស់ស្ថិតិប្រើសម្រាប់វាយតម្លៃភាពជឿជាក់ (Reliability) នៃកម្រងសំណួរ ថាតើសំណួរជាច្រើនដែលបង្កើតឡើងដើម្បីវាស់ស្ទង់កត្តាតែមួយ ពិតជាមានភាពស៊ីសង្វាក់គ្នា និងត្រឹមត្រូវឬទេ។ | ដូចជាការថ្លឹងទម្ងន់វត្ថុមួយនៅលើជញ្ជីង ៣ ផ្សេងគ្នា បើលទ្ធផលចេញមកដូចៗគ្នា នោះបង្ហាញថាជញ្ជីងទាំងនោះមានភាពជឿជាក់ខ្ពស់។ |
| Exploratory Factor Analysis (EFA) | ជាបច្ចេកទេសស្ថិតិប្រើដើម្បីបង្រួមអថេរ (សំណួរស្ទង់មតិ) ច្រើនសន្ធឹកសន្ធាប់ ឱ្យទៅជាកត្តាគោលធំៗមួយចំនួនតូច ដោយស្វែងរកទំនាក់ទំនងរវាងអថេរទាំងនោះ។ | ដូចជាការចាត់ថ្នាក់ទំនិញរាប់រយមុខក្នុងផ្សារទំនើប ឱ្យទៅជាតំបន់ធំៗប៉ុន្មានផ្នែក (ឧ. តំបន់បន្លែ តំបន់សាច់) ដើម្បីងាយស្រួលស្វែងរក។ |
| Ordinary Least Squares (OLS) Regression | វិធីសាស្ត្រវិភាគតំរែតំរង់ដើម្បីស្វែងរកទម្ងន់ឥទ្ធិពលរវាងអថេរឯករាជ្យ (កត្តាជះឥទ្ធិពល) និងអថេរអាស្រ័យ (លទ្ធផល) ដោយបង្កើតជាសមីការបន្ទាត់ត្រង់ដែលកាត់បន្ថយគម្លាតលម្អៀងនៃទិន្នន័យឱ្យនៅតិចបំផុត។ | ដូចជាការគូសបន្ទាត់ត្រង់មួយឆ្លងកាត់ចំណុចពពកជាច្រើននៅលើក្រាហ្វ ដើម្បីទាយមើលថាតើទិសដៅនៃចំណុចទាំងនោះកំពុងរត់ទៅរកផ្លូវណា។ |
| Multicollinearity | បញ្ហាពហុនិទ្ទេសកើតឡើងនៅពេលដែលកត្តាជះឥទ្ធិពល (អថេរឯករាជ្យ) ចាប់ពី ២ ឡើងទៅ មានទំនាក់ទំនងគ្នាយ៉ាងស្អិតរមួតខ្លាំងពេក ដែលធ្វើឱ្យម៉ូដែលពិបាកបែងចែកថាឥទ្ធិពលចុងក្រោយនោះមកពីកត្តាមួយណាឱ្យប្រាកដ។ | ដូចជាការចាក់ឧបករណ៍បំពងសំឡេង២បញ្ចេញបទចម្រៀងតែមួយក្នុងពេលតែមួយ ដែលធ្វើឱ្យយើងពិបាកស្តាប់ដឹងថាសំឡេងមួយណាចេញពីឧបករណ៍ខាងណា។ |
| Variance Inflation Factor (VIF) | ជារង្វាស់ដែលប្រើប្រាស់នៅក្នុងការវិភាគតំរែតំរង់ ដើម្បីឆែកមើលថាតើមានបញ្ហា Multicollinearity (ពហុនិទ្ទេស) ដែរឬទេ។ បើតម្លៃ VIF ទាប (ជិត 1) មានន័យថាមិនមានបញ្ហាទេ។ | ដូចជាម៉ាស៊ីនស្កេនពិនិត្យមើលថាតើមានមនុស្សពីរនាក់កំពុងធ្វើការងារជាន់គ្នា (ចម្លងគ្នា) នៅក្នុងក្រុមតែមួយដែរឬទេ។ |
| Eigenvalue | ជាតម្លៃដែលបញ្ជាក់ពីទំហំនៃបម្រែបម្រួលទិន្នន័យ ដែលកត្តា (Factor) នីមួយៗអាចពន្យល់បាននៅក្នុងការវិភាគ EFA។ ជាទូទៅ គេរក្សាតែកត្តាណាដែលមាន Eigenvalue ធំជាង ១ ប៉ុណ្ណោះ។ | ដូចជារបាំងតម្រងដែលត្រងយកតែព័ត៌មានណាដែលមានដុំឥទ្ធិពលធំ (Eigenvalue > 1) ហើយបោះចោលព័ត៌មានកំប៉ិកកំប៉ុក។ |
| ANOVA (Analysis of Variance) | ការវិភាគភាពប្រែប្រួល ដែលប្រើសម្រាប់ប្រៀបធៀបមធ្យមភាគនៃក្រុមចាប់ពី ៣ ឡើងទៅ ដើម្បីមើលថាតើពួកវាពិតជាមានភាពខុសគ្នាជាលក្ខណៈស្ថិតិឬយ៉ាងណា។ | ដូចជាការប្រៀបធៀបពិន្ទុមធ្យមនៃសិស្ស ៤ មហាវិទ្យាល័យផ្សេងគ្នា ដើម្បីចង់ដឹងថាខាងណាពិតជារៀនពូកែជាងគេមែន ឬវាគ្រាន់តែជាការចៃដន្យ។ |
| Durbin-Watson statistic | តេស្តស្ថិតិសម្រាប់ត្រួតពិនិត្យមើលថាតើមានទំនាក់ទំនងស្វ័យប្រវត្តិ (Autocorrelation) រវាងតម្លៃសំណល់ (Residuals) នៅក្នុងម៉ូដែលតំរែតំរង់ឬទេ ដែលតម្លៃក្បែរ ២ គឺល្អបំផុត (បញ្ជាក់ថាគ្មានទំនាក់ទំនង)។ | ដូចជាការឆែកមើលប្រវត្តិរូបអ្នកធ្វើការ ថាតើកំហុសដែលគេធ្វើថ្ងៃនេះ មានពាក់ព័ន្ធនឹងកំហុសដែលគេបានធ្វើកាលពីម្សិលមិញដែរឬទេ ឬមួយវាជារឿងដាច់ដោយឡែកពីគ្នា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
