Original Title: From Land to Sky: Understanding the Challenges and Opportunities of Drone-Driven Food Delivery in Malaysia
Source: doi.org/10.36956/rwae.v7i1.2460
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ពីដីគោកទៅលំហអាកាស៖ ការយល់ដឹងពីបញ្ហាប្រឈម និងឱកាសនៃការដឹកជញ្ជូនអាហារតាមរយៈដ្រូននៅក្នុងប្រទេសម៉ាឡេស៊ី

ចំណងជើងដើម៖ From Land to Sky: Understanding the Challenges and Opportunities of Drone-Driven Food Delivery in Malaysia

អ្នកនិពន្ធ៖ Yaty Sulaiman (Universiti Utara Malaysia), Farouk Djermani (Abderrahmane Mira University), Maha Mohammed Yusr (University of Nottingham Malaysia)

ឆ្នាំបោះពុម្ព៖ 2026, Research on World Agricultural Economy

វិស័យសិក្សា៖ Technology Management

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះស្រាវជ្រាវពីកត្តាដែលរារាំង និងឱកាសក្នុងការទទួលយកបច្ចេកវិទ្យាដ្រូន (Drone) សម្រាប់ការដឹកជញ្ជូនអាហារនៅក្នុងប្រទេសម៉ាឡេស៊ី ទោះបីជាបច្ចេកវិទ្យានេះមានការពេញនិយមជាសកលក្ដី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្របរិមាណវិស័យដោយពង្រីកលើគំរូនៃភាពត្រៀមខ្លួន និងការទទួលយកបច្ចេកវិទ្យា (TRAM) ដើម្បីវិភាគទិន្នន័យពីការស្ទង់មតិអ្នកប្រើប្រាស់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Core TRAM Constructs (Perceived Usefulness & Ease of Use)
កត្តាស្នូលនៃគំរូ TRAM (អត្ថប្រយោជន៍ និងភាពងាយស្រួលដែលទទួលបាន)
មានសមត្ថភាពខ្ពស់ក្នុងការទស្សន៍ទាយពីការទទួលយកបច្ចេកវិទ្យា ហើយមានប្រសិទ្ធភាពចំពោះមនុស្សគ្រប់វ័យដោយមិនគិតពីជំនាន់។ មិនបានឆ្លុះបញ្ចាំងពីហានិភ័យជាក់លាក់ផ្នែកប្រតិបត្តិការ និងសុវត្ថិភាពនៃបច្ចេកវិទ្យាដ្រូននោះទេ។ មានទំនាក់ទំនងវិជ្ជមានយ៉ាងខ្លាំងទៅនឹងចេតនាក្នុងការទទួលយកបច្ចេកវិទ្យាដ្រូន (គាំទ្រសម្មតិកម្ម H1 និង H2)។
Extended Variables (Delivery Risk & Generation Gap)
អថេរបន្ថែម (ហានិភ័យនៃការដឹកជញ្ជូន និងគម្លាតជំនាន់)
ព្យាយាមស្វែងយល់ពីក្តីបារម្ភរបស់អ្នកប្រើប្រាស់ទាក់ទងនឹងសុវត្ថិភាព និងភាពខុសគ្នានៃការទទួលយកតាមចន្លោះអាយុ។ ក្នុងការអនុវត្តជាក់ស្តែង អថេរទាំងនេះមានឥទ្ធិពលតិចតួចណាស់ ព្រោះវាត្រូវបានបិទបាំងដោយអត្ថប្រយោជន៍ជាក់ស្តែងនៃបច្ចេកវិទ្យា។ មិនមានឥទ្ធិពលដោយផ្ទាល់ ឬជាអថេរសម្របសម្រួល (Moderator) ដល់ចេតនានៃការប្រើប្រាស់នោះទេ (មិនគាំទ្រសម្មតិកម្ម H3, H4, H5, H8, H9)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យ និងមិនតម្រូវឱ្យមានឧបករណ៍ផ្នែករឹងស្មុគស្មាញ (Hardware) នោះទេ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រមូលទិន្នន័យពីពលរដ្ឋម៉ាឡេស៊ីចំនួន ៣៨៤ នាក់នៅក្នុងទីក្រុងធំៗចំនួន ៤ (Kuala Lumpur, Selangor, Johor, Penang)។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទប្រជាជនទីក្រុងដែលមានការយល់ដឹងពីបច្ចេកវិទ្យាច្រើន និងប្រឈមមុខនឹងបញ្ហាកកស្ទះចរាចរណ៍ជារៀងរាល់ថ្ងៃ។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យនេះមានសារៈសំខាន់ ព្រោះទីក្រុងភ្នំពេញក៏មានស្ថានភាពកកស្ទះស្រដៀងគ្នា ដែលធ្វើឱ្យការប្រើប្រាស់ដ្រូនអាចជាដំណោះស្រាយប្រកបដោយសក្តានុពលខ្ពស់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាបច្ចុប្បន្នការដឹកជញ្ជូនអាហារតាមដ្រូនមិនទាន់មានវត្តមាននៅកម្ពុជាក៏ដោយ ប៉ុន្តែលទ្ធផលនៃការសិក្សានេះមានអត្ថប្រយោជន៍សម្រាប់រៀបចំយុទ្ធសាស្ត្រនវានុវត្តន៍នាពេលអនាគត។

សរុបមក ដើម្បីឱ្យការប្រើប្រាស់ដ្រូនដឹកជញ្ជូនទទួលបានជោគជ័យនៅកម្ពុជា ស្ថាប័នពាក់ព័ន្ធត្រូវផ្តោតលើការកសាងទំនុកចិត្ត និងធានាថាវាផ្តល់ភាពងាយស្រួលពិតប្រាកដដល់អ្នកប្រើប្រាស់គ្រប់ស្រទាប់វ័យ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីទ្រឹស្តីទទួលយកបច្ចេកវិទ្យា (TAM & TRAM): និស្សិតត្រូវស្រាវជ្រាវទ្រឹស្តីគោលពីឯកសារអន្តរជាតិ ដើម្បីយល់ដឹងពីរបៀបដែលអថេរដូចជា Perceived Usefulness និង Perceived Ease of Use ជះឥទ្ធិពលដល់អាកប្បកិរិយាអតិថិជន។
  2. រៀនប្រើប្រាស់កម្មវិធីវិភាគទិន្នន័យស្ថិតិ: អនុវត្តការប្រើប្រាស់កម្មវិធី SPSS និង SmartPLS តាមរយៈការសិក្សាដោយខ្លួនឯង ដើម្បីចេះដំណើរការតេស្ត PLS-SEM លើសំណុំទិន្នន័យ (Dataset)។
  3. រចនាកម្រងសំណួរសម្រាប់បរិបទកម្ពុជា: បង្កើតកម្រងសំណួរតាមរយៈកម្មវិធី Google Forms ដោយបកប្រែសំណួរពីឯកសារដើមមកជាភាសាខ្មែរ ហើយផ្តោតលើអ្នកប្រើប្រាស់សេវាដឹកជញ្ជូនក្នុងស្រុក។
  4. ប្រមូលទិន្នន័យ និងធ្វើការវិភាគ: ចែកចាយកម្រងសំណួរតាម FacebookTelegram ឱ្យបានសំណាកយ៉ាងហោចណាស់ ៤០០ នាក់ រួចទាញយកទិន្នន័យទៅវិភាគក្នុងកម្មវិធី SmartPLS ដើម្បីផ្ទៀងផ្ទាត់សម្មតិកម្ម។
  5. ចងក្រងរបាយការណ៍ និងស្នើដំណោះស្រាយ: សរសេររបាយការណ៍សន្និដ្ឋានអំពីកត្តាជំរុញធំៗ ហើយធ្វើបទបង្ហាញផ្តល់ជាអនុសាសន៍ (Recommendations) ដល់ក្រុមហ៊ុន Startup ឬក្រុមហ៊ុនដឹកជញ្ជូននានានៅប្រទេសកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Technology Readiness and Acceptance Model - TRAM (គំរូនៃភាពត្រៀមខ្លួន និងការទទួលយកបច្ចេកវិទ្យា) ជាក្របខណ្ឌទ្រឹស្តីដែលវាស់ស្ទង់ពីអាកប្បកិរិយាទូទៅរបស់បុគ្គលម្នាក់ចំពោះបច្ចេកវិទ្យា (ថាតើគេចូលចិត្តរបស់ទំនើបឬអត់) រួមបញ្ចូលគ្នាជាមួយនឹងការវាយតម្លៃរបស់គេទៅលើភាពងាយស្រួល និងអត្ថប្រយោជន៍នៃបច្ចេកវិទ្យាជាក់លាក់ណាមួយ ដើម្បីទស្សន៍ទាយថាតើគេនឹងសម្រេចចិត្តប្រើប្រាស់បច្ចេកវិទ្យានោះឬទេ។ ដូចជាការសង្កេតមើលថា តើមនុស្សម្នាក់មាននិស្ស័យចូលចិត្តសាកល្បងរបស់ថ្មីៗឬទេ ហើយតើរបស់នោះពិតជាមានប្រយោជន៍ចំពោះគេដែរឬទេ មុនពេលគេសម្រេចចិត្តទិញវា។
Perceived Usefulness - PU (អត្ថប្រយោជន៍ដែលទទួលបាន) ជាកម្រិតនៃការជឿជាក់របស់អ្នកប្រើប្រាស់ ដែលគិតថាការប្រើប្រាស់បច្ចេកវិទ្យាឬប្រព័ន្ធណាមួយនឹងជួយពន្លឿនការងារ និងធ្វើឱ្យជីវិតប្រចាំថ្ងៃរបស់ពួកគេកាន់តែមានប្រសិទ្ធភាព និងចំណេញពេលវេលាជាងមុន។ ដូចជាការជឿជាក់ថា ការជិះម៉ូតូទៅធ្វើការគឺល្អជាងការដើរ ព្រោះវាជួយឱ្យយើងធ្វើដំណើរដល់គោលដៅបានលឿន និងមិនហត់។
Perceived Ease of Use - PEU (ភាពងាយស្រួលក្នុងការប្រើប្រាស់) ជាការវាយតម្លៃរបស់អ្នកប្រើប្រាស់ទៅលើបច្ចេកវិទ្យាណាមួយ ដោយជឿជាក់ថាវាមិនមានភាពស្មុគស្មាញ និងមិនទាមទារឱ្យមានការប្រឹងប្រែងចំណាយកម្លាំង ឬពេលវេលាច្រើនក្នុងការរៀនសូត្រដើម្បីប្រើប្រាស់វានោះទេ។ ដូចជាការប្រើទូរស័ព្ទស្មាតហ្វូនដែលគ្រាន់តែចុចលើអេក្រង់ក៏អាចហៅចេញបានភ្លាមៗ ដោយមិនពិបាកដូចការវាយកូដបញ្ជាកុំព្យូទ័រនោះឡើយ។
Partial Least Squares Structural Equation Modeling - PLS-SEM (ម៉ូដែលសមីការរចនាសម្ព័ន្ធ PLS-SEM) ជាវិធីសាស្ត្រវិភាគទិន្នន័យស្ថិតិកម្រិតខ្ពស់ ដែលត្រូវបានប្រើប្រាស់ដើម្បីស្វែងយល់ និងគណនាពីឥទ្ធិពលនៃទំនាក់ទំនងដ៏ស្មុគស្មាញរវាងកត្តាជាច្រើនក្នុងពេលតែមួយ ដូចជាការទាញរកទំនាក់ទំនងរវាងហានិភ័យ ភាពងាយស្រួល និងការសម្រេចចិត្តរបស់អ្នកប្រើប្រាស់។ ដូចជាម៉ាស៊ីនស្កេនដ៏ឆ្លាតវៃមួយ ដែលអាចមើលធ្លុះឃើញពីរបៀបដែលគ្រឿងបន្លាស់រាប់រយនៃរថយន្តដំណើរការភ្ជាប់គ្នា ថាតើមួយណាធ្វើឱ្យឡានរត់លឿន មួយណាធ្វើឱ្យឡានស៊ីសាំង។
Delivery Risk (ហានិភ័យនៃការដឹកជញ្ជូន) ជាក្តីបារម្ភរបស់អ្នកប្រើប្រាស់ទាក់ទងនឹងលទ្ធភាពនៃការខាតបង់ ឬបញ្ហាអំឡុងពេលដឹកជញ្ជូន ដូចជា ការដឹកយឺតយ៉ាវ ការខូចខាតម្ហូបអាហារ ការធ្លាក់ដ្រូន ឬការព្រួយបារម្ភពីការលួចទិន្នន័យឯកជនជាដើម។ ដូចជាអារម្មណ៍ភ័យព្រួយពេលយើងកុម្ម៉ង់ទិញកែវថ្មតាមអនឡាញ ដោយខ្លាចថាអ្នកដឹកជញ្ជូនអាចធ្វើឱ្យវាបែកមុនពេលមកដល់ផ្ទះយើង។
Bootstrapping (វិធីសាស្ត្រ Bootstrapping ក្នុងស្ថិតិ) ជាបច្ចេកទេសបែងចែកទិន្នន័យតាមរយៈការចាប់យកសំណាកគំរូដដែលៗចុះឡើងពីសំណុំទិន្នន័យដើមរាប់ពាន់ដង (ឧ. ៥០០០ ដងក្នុងកម្មវិធី SmartPLS) ដើម្បីធានាថាទំនាក់ទំនងនៃទិន្នន័យដែលរកឃើញគឺមានភាពច្បាស់លាស់ និងអាចទុកចិត្តបានកម្រិតខ្ពស់បំផុត។ ដូចជាការភ្លក់សម្លមួយឆ្នាំង ដោយដួសភ្លក់ច្រើនដងពីកន្លែងផ្សេងៗគ្នាក្នុងឆ្នាំង ដើម្បីប្រាកដថាសម្លនោះពិតជាមានរសជាតិឆ្ងាញ់សព្វសាច់មែន។
Moderating Effect (ឥទ្ធិពលសម្របសម្រួល) ជាឥទ្ធិពលនៃកត្តាទីបីដែលចូលមកកែប្រែ (ពង្រឹង ឬបន្ថយ) ទៅលើភាពខ្លាំងនៃទំនាក់ទំនងរវាងកត្តាពីរផ្សេងទៀត។ ក្នុងការសិក្សានេះ គេចង់ដឹងថា 'ជំនាន់អាយុ' ធ្វើឱ្យការសម្រេចចិត្តប្រើដ្រូនខុសគ្នាឬអត់។ ដូចជាសីតុណ្ហភាពអាកាសធាតុ ដែលជាកត្តាសម្របសម្រួលពេលយើងញ៉ាំការ៉េម (បើអាកាសធាតុក្តៅខ្លាំង ការ៉េមឆាប់រលាយ បើត្រជាក់ ការ៉េមយឺតរលាយ)។
Generation Gap (គម្លាតជំនាន់) ជាភាពខុសគ្នានៃផ្នត់គំនិត គុណតម្លៃ អាកប្បកិរិយា និងល្បឿននៃការសម្របខ្លួនទៅនឹងបច្ចេកវិទ្យាថ្មីៗ រវាងក្រុមមនុស្សដែលកើតនិងធំធាត់ក្នុងសម័យកាលផ្សេងៗគ្នា (ដូចជាជំនាន់ Baby Boomers, ជំនាន់ X, ជំនាន់ Y, ឬជំនាន់ Z)។ ដូចជាការខ្វែងគំនិតគ្នារវាងជីដូននិងចៅ ដោយជីដូនចាត់ទុកវិទ្យុជារបស់ទំនើប ចំណែកចៅយល់ថាទូរស័ព្ទស្មាតហ្វូនទើបទំនើប។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖