Original Title: Hành vi sử dụng MXH của NTN trên địa bàn quận Ninh Kiều Thành Phố Cần Thơ
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ឥរិយាបថនៃការប្រើប្រាស់បណ្តាញទំនាក់ទំនងសង្គមរបស់មនុស្សវ័យកណ្តាលនៅក្នុងស្រុក Ninh Kieu ទីក្រុង Can Tho

ចំណងជើងដើម៖ Hành vi sử dụng MXH của NTN trên địa bàn quận Ninh Kiều Thành Phố Cần Thơ

អ្នកនិពន្ធ៖ Nguyễn Trọng Đức, Nguyễn Ngọc Lẹ (Advisor)

ឆ្នាំបោះពុម្ព៖ 2019

វិស័យសិក្សា៖ Sociology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ អត្ថបទនេះសិក្សាពីស្ថានភាព និងកត្តាដែលជះឥទ្ធិពលដល់ឥរិយាបថនៃការប្រើប្រាស់បណ្តាញសង្គម (Social Media) របស់ក្រុមមនុស្សវ័យកណ្តាលដែលមានអាយុពី ៤០ ទៅ ៦០ ឆ្នាំ នៅក្នុងស្រុក Ninh Kieu ទីក្រុង Can Tho ប្រទេសវៀតណាម។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្របរិមាណដោយធ្វើការស្ទង់មតិលើសំណាក ហើយប្រើប្រាស់កម្មវិធី SPSS ដើម្បីវិភាគទិន្នន័យស្ថិតិ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Exploratory Factor Analysis (EFA)
ការវិភាគកត្តាស្វែងរក (EFA)
ជួយបង្រួមអថេរជាច្រើនទៅជាក្រុម ឬកត្តាតូចៗដែលមានអត្ថន័យច្បាស់លាស់។ វាងាយស្រួលក្នុងការទាញរកមូលហេតុលាក់កំបាំងដែលជះឥទ្ធិពលលើទិន្នន័យ។ ទាមទារទំហំសំណាកធំសមរម្យ (យ៉ាងហោចណាស់អ្នកឆ្លើយតប ១០០ នាក់)។ វាអាចមានភាពស្មុគស្មាញក្នុងការបកស្រាយប្រសិនបើអថេរមិនមានទំនាក់ទំនងគ្នាច្បាស់លាស់។ បង្រួមអថេរចំនួន ១៨ មកនៅត្រឹម ៣ កត្តាសំខាន់ៗគឺ៖ កត្តាគ្រួសារនិងសហគមន៍ កត្តាអាកប្បកិរិយា និងកត្តាការយល់ដឹង។
Multiple Linear Regression
ការវិភាគតំរែតម្រង់លីនេអ៊ែរពហុគុណ
អាចកំណត់យ៉ាងច្បាស់ពីទម្ងន់នៃឥទ្ធិពល (Beta) របស់អថេរឯករាជ្យនីមួយៗទៅលើអថេរអាស្រ័យ។ វាបង្ហាញពីកម្រិតនៃការទស្សន៍ទាយលទ្ធផលបានយ៉ាងល្អ។ ងាយទទួលរងឥទ្ធិពលពីបញ្ហាពហុទាក់ទង (Multicollinearity) ប្រសិនបើអថេរឯករាជ្យមានទំនាក់ទំនងគ្នាខ្លាំងពេក។ អនុវត្តបានតែលើទិន្នន័យដែលមានទំនាក់ទំនងជាលីនេអ៊ែរប៉ុណ្ណោះ។ រកឃើញថាកត្តាគ្រួសារនិងសហគមន៍មានឥទ្ធិពលខ្លាំងជាងគេ (Beta = 0.345) ទៅលើឥរិយាបថនៃការប្រើប្រាស់បណ្តាញសង្គម។
Descriptive Statistics
ស្ថិតិពណ៌នា (មធ្យមភាគ និងប្រេកង់)
ងាយស្រួលយល់ និងផ្តល់រូបភាពរួមយ៉ាងច្បាស់លាស់អំពីស្ថានភាពជាក់ស្តែងនៃសំណាកដែលបានសិក្សា (អាយុ ភេទ កម្រិតវប្បធម៌)។ មិនអាចបញ្ជាក់ពីទំនាក់ទំនងហេតុនិងផល ឬកម្រិតឥទ្ធិពលរវាងអថេរផ្សេងៗនោះទេ។ កំណត់បានថាមនុស្សវ័យកណ្តាលចំណាយពេលមធ្យម ២,១១ ម៉ោងក្នុងមួយថ្ងៃលើបណ្តាញសង្គម ដោយចូលចិត្តប្រើ Zalo (មធ្យម ៣,៥២) ជាង Facebook (មធ្យម ៣,៣៤)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនទាមទារធនធានហិរញ្ញវត្ថុច្រើនសម្រាប់ការអភិវឌ្ឍន៍បច្ចេកវិទ្យានោះទេ ប៉ុន្តែពឹងផ្អែកជាចម្បងលើការប្រមូលទិន្នន័យផ្ទាល់ និងការប្រើប្រាស់កម្មវិធីស្ថិតិដើម្បីវិភាគ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តោតជាចម្បងលើតំបន់ទីក្រុង (ស្រុក Ninh Kieu) នៃប្រទេសវៀតណាម ដែលប្រជាជនភាគច្រើនជាមន្ត្រីរាជការ និងបុគ្គលិកការិយាល័យ (ជាង ៤១%) និងមានកម្រិតវប្បធម៌ខ្ពស់។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យនេះអាចមានភាពលម្អៀងប្រសិនបើចង់យកមកទស្សន៍ទាយឥរិយាបថប្រជាជនវ័យកណ្តាលនៅតំបន់ជនបទ ឬខេត្តដាច់ស្រយាល ដែលមានកម្រិតជីវភាព និងការយល់ដឹងពីបច្ចេកវិទ្យាខុសគ្នា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រស្រាវជ្រាវ និងរបកគំហើញមួយចំនួននៅក្នុងឯកសារនេះ អាចយកមកអនុវត្តយ៉ាងមានប្រសិទ្ធភាពក្នុងការសិក្សាពីបរិបទសង្គមឌីជីថលនៅកម្ពុជា។

សរុបមក ការយល់ដឹងពីឥរិយាបថនេះជួយដល់អ្នកបង្កើតគោលនយោបាយ និងក្រុមហ៊ុនបច្ចេកវិទ្យានៅកម្ពុជាក្នុងការរៀបចំយុទ្ធសាស្ត្រប្រកបដោយប្រសិទ្ធភាព និងចំគោលដៅសម្រាប់ប្រជាសាស្រ្តវ័យកណ្តាល។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. រចនាកម្រងសំណួរស្រាវជ្រាវ (Survey Design): រៀនបង្កើតកម្រងសំណួរដោយប្រើទម្រង់ Likert Scale (ឧទាហរណ៍៖ មិនយល់ស្របទាំងស្រុង ដល់ យល់ស្របទាំងស្រុង) ដោយប្រើប្រាស់ឧបករណ៍ដូចជា Google FormsKoboToolbox
  2. សិក្សាអំពីកម្មវិធីវិភាគទិន្នន័យ (Data Analysis Tools): ត្រូវចំណាយពេលរៀនប្រើប្រាស់កម្មវិធីវិភាគស្ថិតិដូចជា SPSSR Studio ដើម្បីចេះសម្អាតទិន្នន័យ និងធ្វើស្ថិតិពណ៌នា (Descriptive Statistics)។
  3. អនុវត្តការធ្វើតេស្តភាពជឿជាក់ និងការវិភាគកត្តា: អនុវត្តការធ្វើតេស្ត Cronbach's Alpha ដើម្បីធានាថាទិន្នន័យអាចជឿទុកចិត្តបាន រួចបន្តរៀនពីការធ្វើ Exploratory Factor Analysis (EFA) ដើម្បីបង្រួមអថេរ។
  4. ស្វែងយល់ពីម៉ូដែលតំរែតម្រង់ (Regression Modeling): រៀនសរសេរកូដ ឬប្រើប្រាស់មុខងារក្នុងកម្មវិធីដើម្បីរត់ការវិភាគ Multiple Linear Regression ដើម្បីរកមើលថាតើកត្តាអ្វីខ្លះ (ដូចជាគ្រួសារ ឬការយល់ដឹង) ដែលជះឥទ្ធិពលខ្លាំងជាងគេទៅលើឥរិយាបថ។
  5. សរសេររបាយការណ៍ និងអនុសាសន៍ (Reporting): ចងក្រងលទ្ធផលនៃការវិភាគទៅជារបាយការណ៍ដែលងាយយល់ និងទាញចេញជាអនុសាសន៍ដែលអាចអនុវត្តបានជាក់ស្តែងសម្រាប់សង្គម ឬអ្នកបង្កើតគោលនយោបាយដោយប្រើប្រាស់ Microsoft Word ឬកម្មវិធីសរសេររបាយការណ៍ផ្សេងៗ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Exploratory Factor Analysis (EFA) គឺជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីបង្រួមអថេរច្រើនរាប់សិប ឱ្យទៅជាក្រុម ឬកត្តាតូចៗដែលមានអត្ថន័យច្បាស់លាស់ ដើម្បីងាយស្រួលក្នុងការទាញសេចក្តីសន្និដ្ឋានពីទិន្នន័យស្រាវជ្រាវ។ ដូចជាការរៀបចំបែងចែកទំនិញរាប់រយមុខនៅក្នុងផ្សារទំនើប ដាក់ទៅតាមផ្នែកនីមួយៗ (ឧ. ផ្នែកភេសជ្ជៈ ផ្នែកនំ) ដើម្បីងាយស្រួលស្វែងរកអញ្ចឹង។
Cronbach's Alpha គឺជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់ភាពជឿជាក់ (Reliability) ឬភាពសង្គតិភាពខាងក្នុងនៃកម្រងសំណួរ ថាតើសំណួរជាច្រើនដែលសួរទាក់ទងនឹងបញ្ហាតែមួយ ពិតជាទទួលបានចម្លើយស្របគ្នាមែនឬទេ។ ដូចជាការថ្លឹងជញ្ជីងជាច្រើនដងលើវត្ថុដដែល ហើយអ្នកទទួលបានលទ្ធផលទម្ងន់ដូចគ្នាជានិច្ច ដែលបញ្ជាក់ថាជញ្ជីងនោះអាចទុកចិត្តបាន។
Multiple Linear Regression គឺជាម៉ូដែលវិភាគស្ថិតិដែលប្រើដើម្បីទស្សន៍ទាយលទ្ធផលនៃអថេរអាស្រ័យមួយ ដោយផ្អែកលើការវាយតម្លៃឥទ្ធិពលរួមគ្នានៃអថេរឯករាជ្យពីរ ឬច្រើន ថាតើកត្តាណាមានឥទ្ធិពលខ្លាំងជាងគេ។ ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់សិស្សម្នាក់ ដោយយកកត្តាជាច្រើនដូចជា ម៉ោងសិក្សា ម៉ោងគេង និងចំនួនសៀវភៅដែលគេបានអាន មកគិតបញ្ចូលគ្នា។
Likert Scale គឺជាប្រព័ន្ធរង្វាស់ដែលប្រើជាទូទៅក្នុងកម្រងសំណួរស្រាវជ្រាវ ដើម្បីឱ្យអ្នកឆ្លើយបញ្ជាក់ពីកម្រិតនៃការយល់ស្រប ឬមិនយល់ស្របរបស់ពួកគេចំពោះសេចក្តីថ្លែងការណ៍ណាមួយ (ជាទូទៅមាន ៥ កម្រិត ពីមិនយល់ស្របទាំងស្រុង ដល់ យល់ស្របទាំងស្រុង)។ ដូចជាការឱ្យពិន្ទុផ្កាយពី ១ ដល់ ៥ លើសេវាកម្មភោជនីយដ្ឋានមួយ ដើម្បីប្រាប់គេថាអ្នកពេញចិត្តកម្រិតណា។
ANOVA (Analysis of Variance) គឺជាការធ្វើតេស្តស្ថិតិមួយប្រើដើម្បីប្រៀបធៀបមធ្យមភាគនៃក្រុមសំណាកចំនួនបី ឬច្រើន ដើម្បីមើលថាតើពួកវាមានភាពខុសគ្នាជាអត្ថន័យស្ថិតិឬទេ (ឧទាហរណ៍ ប្រៀបធៀបឥរិយាបថរវាងកម្រិតវប្បធម៌៤ផ្សេងគ្នា)។ ដូចជាការប្រៀបធៀបកម្ពស់ជាមធ្យមរបស់សិស្សថ្នាក់ទី១០ ទី១១ និងទី១២ ក្នុងពេលតែមួយ ដើម្បីមើលថាថ្នាក់ណាមានសិស្សខ្ពស់ជាងគេជារួម។
Rational Choice Theory ទ្រឹស្ដីសង្គមវិទ្យាដែលសន្មតថាបុគ្គលម្នាក់ៗតែងតែធ្វើសកម្មភាពដោយគិតគូរ និងថ្លឹងថ្លែងពីផលចំណេញ ឬការខាតបង់ ដើម្បីទទួលបានលទ្ធផលល្អបំផុតសម្រាប់ខ្លួនឯង មុននឹងសម្រេចចិត្តធ្វើអ្វីមួយ។ ដូចជាអ្នកទិញទំនិញដែលតែងតែដើរសួរតម្លៃពីតូបជាច្រើន មុននឹងសម្រេចចិត្តទិញនៅកន្លែងដែលលក់ថោកជាងគេ។
KMO (Kaiser-Meyer-Olkin) Measure គឺជារង្វាស់ស្ថិតិសម្រាប់ពិនិត្យមើលថាតើទំហំសំណាក និងទិន្នន័យដែលប្រមូលបាន មានភាពសមស្របគ្រប់គ្រាន់ក្នុងការយកទៅរត់ការវិភាគកត្តា (EFA) ដែរឬទេ ដោយតម្លៃត្រូវមានចន្លោះពី ០.៥ ទៅ ១។ ដូចជាការភ្លក់រសជាតិស៊ុបមួយស្លាបព្រាសិន ដើម្បីដឹងថាវាឆ្អិន និងមានរសជាតិស័ក្តិសមសម្រាប់យកទៅបម្រើភ្ញៀវហើយឬនៅ មុននឹងដួសដាក់ចានធំ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖