កម្រិតនៃរង្វាស់(Measurement level)

        លើសពីការដែលត្រូវបានបែងចែកជាប្រភេទគុណវិស័យឬបរិមាណវិស័យ អថេរត្រូវបានចាត់ថ្នាក់ទៅតាមលក្ខណៈនៃតម្លៃរបស់វា។ ឧទាហរណ៍ តំបន់រស់នៅ៖ ជនបទ, ទីប្រជុំជន ឬ ទីក្រុង ប្រាក់ចំណូល៖ កម្រិតទាប, កម្រិតមធ្យម ឬ កម្រិតខ្ពស់ រង្វាស់សីតុណ្ហភាព (ប៉ុន្មានអង្សាសេ) និងអត្រាប្រាក់ឈ្នួល(ប៉ុន្មានដុល្លារ ឬរៀល ក្នុង១ម៉ោង) ។ល។

ជាទូទៅទិន្នន័យត្រូវបានចាត់ថ្នាក់ជាបួនកម្រិតរង្វាស់គឺ កម្រិតនាមករណ៍(nominal level), កម្រិតលំដាប់(ordinal level)​, កម្រិតចន្លោះ(interval level)​ និង កម្រិតផលធៀប(ratio level)។

កម្រិតនាមករណ៍(Nominal level)

        នៅក្នុងកម្រិតនេះតម្លៃអថេរ(ទិន្នន័យ)ត្រូវបានបែងចែកជាថ្នាក់(ក្រុមឬពួក)ដាច់ឡែក ច្បាស់លាស់ពីគ្នា ប៉ុន្តែមិនមានលំដាប់លំដាយ មុខក្រោយ តូចធំជាងគ្នាទេ។

ឧទាហរណ៍

ភេទ៖ ស្រី ឬ ប្រុស
មុខវិជ្ជា៖ គណិតវិទ្យា, រូបវិទ្យា, គីមី, អក្សរសាស្ត្រ, ភូមិវិទ្យា,​ ប្រវត្តិវិទ្យា និងផ្សេៗ
ម៉ាកទូរស័ព្ទ៖ Samsung, iPhone, Oppo, Others
ស្ថានភាពគ្រួសារ៖ នៅលីវ, រៀបការ, លែងលះ, ប្តី/ប្រពន្ធស្លាប់
ជំនឿសាសនា៖ ព្រះពុទ្ធ, ឥស្លាម, ហិណ្ឌូ, គ្រីស្ត, ផ្សេងៗ
ក្រុមឈាម៖ A, B, AB, O
            មុខរបរ៖ មន្ត្រីរាជការស៊ីវិល, កម្លាំងប្រដាប់អាវុធ, អាជីវករ, កម្មករ/កសិករ, ក្រុមហ៊ុនឯកជន, អង្គការក្រៅរដ្ឋាភិបាល, ផ្សេងៗ។

កម្រិតលំដាប់(ordinal level)

        នៅក្នុងកម្រិតនេះ ទិន្នន័យត្រូវបានបែងចែកជាថ្នាក់(ក្រុមឬពួក)ដាច់ច្បាស់លាស់ពីគ្នាហើយក្រុមឬពួកមានលំដាប់លំដោយ មុនក្រោយ ទាបខ្ពស់ទៀតផង ប៉ុន្តែវាមិនមានរង្វាស់ឯកតាជាក់ច្បាស់នៅឡើយទេ។

ឧទាហរណ៍

ប្រាក់ចំណូល (ទាប មធ្យមឬ​ខ្ពស់)៖ «ទាប» «មធ្យម»ឬ«ខ្ពស់» បង្ហាញអំពីការបែងចែកជាថ្នាក់ដាច់ឡែកពីគ្នា មានលំដាប់លំដោយ ប៉ុន្តែមិនបង្ហាញភាពខុសគ្នាដោយរង្វាស់ជាក់លាក់រវាង«ទាប» «មធ្យម»និង«ខ្ពស់»។

តើលោកអ្នកយល់ឃើញដូចម្តេចអំពីការវេចខ្ចប់ផលិតផលនេះ? ៖ អន់ណាស់, អន់, ធម្មតា, ល្អ, ល្អណាស់។

តើប្អូនប្រឡងជាប់ដោយនិទ្ទេសអ្វីដែរ? ៖ E, D, C, B, A។

តើលោកកុំម៉ង់ភីស្សាទំហំមួយណាដែរ?៖ តូច, មធ្យម, ធំ។

 តើទំហំអាវលោកគឺអ្វីដែរ? ៖ S, M, L, XL, XXL, XXXL។ 

កម្រិតចន្លោះ(Interval level)

        លក្ខណៈនៃទិន្នន័យនៅក្នុងកម្រិតចន្លោះ លើសពីលក្ខណៈនៃទិន្នន័យនៅក្នុងកម្រិតលំដាប់ នៅត្រង់ថាភាពខុសគ្នាពីឯកតាមួយទៅឯកតាមួយ មានភាពជាក់លាក់ ពោលគឺអាចធ្វើប្រមាណវិធីដកបាន។ លក្ខណៈសំខាន់មួយនៅក្នុងកម្រិតចន្លោះគឺ ពុំមានសូន្យពិតប្រាកដ។

ឧទាហរណ៍

ចំពោះពិន្ទុIQនៃតេស្តមួយ ពិន្ទុ110ទាបជាងពិន្ទុ111ចំនួន1 ពោលគឺផលដក 111 – 110 = 1។

រង្វាស់សីតុណ្ហភាព ជាអង្សាសេ​(^០C) ឬ (^០F) ៖ នៅត្រង់ចំណុចនេះ សូន្យអង្សាសេ និងសូន្យអង្សាហ្វារីនហៃ ជារង្វាស់សីតុណ្ហភាពពីរផ្សេងគ្នា គឺវាមិនដូចគ្នាទេ ម្យ៉ាងវិញទៀតវាក៏មិនបានបង្ហាញនូវភាពគ្មានសីតុណ្ហភាពដែរ។ នោះហើយជាអត្ថន័យនៃភាពមិនមានសូន្យពិតប្រាកដ។

គួរស្វែងយល់អំពីរង្វាស់សីតុណ្ហភាពបន្តិចនៅត្រង់ចំណុចនេះ។ រង្វាស់សីតុណ្ហភាពដែលនិយមប្រើ គឺអង្សាសេ(Celsuis) មាននិម្មិតសញ្ញា ^០C ក្រៅពីនេះមានរង្វាស់ហ្វារិនហៃ(Fahrenheit)ដែលមាននិម្មិតសញ្ញា ^០F។ មាត្រដ្ឋានសីតុណ្ហភាពទាំងពីនេះពុំមានសូន្យពិតប្រាកដទេ។  រង្វាស់សីតុណ្ហភាពផ្សេងទៀតមានដូចជា កែលវីន(Kelvin)មាននិម្មិតសញ្ញា(K)​ និងរែងគីន(Rankine) មាននិម្មិតសញ្ញា(^០R ឬ ^០Ra)ដែលជាមាត្រដ្ឋានមានសូន្យពិតប្រាកដ។ មាត្រដ្ឋានសីតុណ្ហភាពនៅមានផ្សេងៗលើសពីនេះទៀត។

 

កម្រិតផលធៀប(Ratio level)

        កម្រិតផលធៀបនៃរង្វាស់ក្តោបយកលក្ខណៈទាំងអស់របស់កម្រិតចន្លោះនិងមានសូន្យពិតប្រាកដ។

ឧទាហរណ៍៖ ទម្ងន់(គីឡូក្រាម ឬឯកតាផ្សេងៗទៀត), ប្រវែង (ម៉ែត្រ សង់ទីម៉ែត្រឬឯកតាផ្សេងទៀតនៃប្រវែង) អាយុ។ល។

សម្គាល់៖

១. នៅក្នុងសុសវែរSPSSការកំណត់កម្រិតរង្វាស់មានត្រឹមបី៖ nominal, ordinal, និងscale ដែលscaleក្តោបយកកម្រិតចន្លោះនិងកម្រិតផលធៀបនៃរង្វាស់។

២. នៅក្នុងការសិក្សាស្រាវជ្រាវ មានសំណួរប្រភេទខ្លះផ្តល់ចម្លើយដូចជា៖​ Strongly disagree, Disagree, Neutral, Agree, Strongly agree។ ចម្លើយបែបនេះហៅថា បញ្ជីលីខឺត(Likert item)។ បញ្ជីលីខឺតអាចមានធាតុចំនួនផ្សេងពី៥ ឧទាហរណ៍ដូចជា៧៖  Strongly disagree, Disagree, Somewhat disagree, Neutral, Somewhat agree, Agree, Strongly agree។ ឧទាហរណ៍ ដូចជា៤៖ Poor, Average, Good, Excellent។ ល។

ត្រឡប់ទៅទំព័រដើម

វិធីជ្រើសរើសគំរូតាង(Sampling Techniques)

         គំរូតាងជាផ្នែកមួយដែលជាតំណាងឱ្យសាកលស្ថិតិ ដូច្នេះតើវាត្រូវជ្រើសរើសតាមវិធីអ្វីខ្លះ?

វិធីជ្រើសរើសគំរូតាងត្រូវបានបែងចែកជាពីប្រភេទធំៗគឺ វិធីជ្រើសរើសគំរូតាងប្រូបាប៊ីលីតេ(probability sampling technique) និងវិធីជ្រើសរើសគំរូតាងអប្រូបាប៊ីលីតេ(non-probability sampling techniques)។ វិធីជ្រើសរើសគំរូតាងប្រូបាប៊ីលីតេ រួមមានបួនជាមូលដ្ឋាន៖ វិធីជ្រើសរើសគំរូតាងចៃដន្យ(Simple Random Sampling), វិធីជ្រើសរើសគំរូតាងជាប្រព័ន្ធ(Systematic Sampling), វិធីជ្រើសរើសគំរូតាងស្រទាប់ថ្នាក់(Stratified Sampling), និង វិធីជ្រើសរើសគំរូតាងចង្កោម(Cluster Sampling)។

វិធីជ្រើសរើសគំរូតាងប្រូបាប៊ីលីតេ(Probability Sampling Techniques)

វិធីជ្រើសរើសគំរូតាងចៃដន្យ(Simple Random Sampling)

        ជាវិធីមួយដែលធាតុ(មនុស្ស, សត្វ ឬ វត្ថុ)ទាំងអស់នៅក្នុងសាកលស្ថិតិមានឱកាសត្រូវបានជ្រើសរើសស្មើៗគ្នា។ ជាឧទាហរណ៍ងាយមួយដែលគេធ្លាប់បានដឹងនៅក្នុងជីវភាពរស់នៅគឺការចាប់ឆ្នោត។ វិធីជ្រើសរើសគំរូតាងចៃដន្យគឺមានលក្ខណៈដូច្នោះឯង។ ដើម្បីអនុវត្តវិធីនេះ អ្នកស្រាវជ្រាវអាចធ្វើតាមជំហានដូចខាងក្រោម

• រៀបចំលេខសម្គាល់ដែលអាចជាលេខរៀងសម្រាប់ធាតុនីមួយៗនៅក្នុងសាកលស្ថិតិ(ឧ. ពី1ទៅដល់N)។
• កំណត់ទំហំគំរូតាង(វិធីកំណត់ទំហំគំរូតាងនឹងលើកមកបង្ហាញនៅក្នុងpost ពេលក្រោយទៀត)។
• ប្រើតារាងចំនួនចៃដន្យ(random number table) ឬប្រើចំនួនចៃដន្យដែលបង្កើតដោយសុសវែរ(ម៉ាស៊ីគិតលេខខ្លះក៏អាចប្រើបានដែរ) ។ បន្ទាប់មកជ្រើសយកធាតុដែលមានលេខសម្គាល់ត្រូវទៅត្រូវតាមចំនួនចៃដន្យដែលបង្កើត។

ឧទាហរណ៍៖ នៅក្នុងក្រុមហ៊ុនមួយមានបុគ្គលិក៤០០នាក់។ ជ្រើសរើសគំរូតាងមួយដែលមានទំហំ១៥(បុគ្គលិក១៥នាក់)ដោយប្រើវិធីជ្រើសរើសគំរូតាងចៃដន្យ។

    ១. ធ្វើបញ្ជីចុះលេខ 1ដល់400។
    ២. កំណត់ចំនួនដែលត្រូវជ្រើសរើស(១៥នាក់ នៅក្នុងឧទាហរណ៍នេះ)។

    ៣. ប្រើសុសវែរបង្កើតចំនួនចៃដន្យ។ នៅក្នុងឧទាហរណ៍នេះ ចំនួនចៃដន្យត្រូវបង្កើតមានតម្លៃ 1 – 400(នៅក្នុងExcelគេអាចប្រើ =RANDBETWEEN(1,400))។ នៅពេលដែលចំនួនចៃដន្យលោតចំលេខណា បុគ្គលិកដែលកាន់លេខនេះត្រូវបានជ្រើសរើស។ ធ្វើដូច្នេះរហូតគ្រប់ចំនួន១៥នាក់។ 

វិធីជ្រើសរើសគំរូតាងជាប្រព័ន្ធ(Systematic Sampling)

            វិធីជ្រើសរើសគំរូតាងជាប្រព័ន្ធដែលគេនិយមប្រើគឺ ការជ្រើសរើសគំរូតាងជាប្រព័ន្ធ​បែបលីនេអ៊ែ (linear systematic sampling)។ វិធីនេះប្រើចំពោះស្ថិតិសាកលដែលមានធាតុស្ថិតនៅក្នុងការតម្រៀបជាជួរ ដូចជាការតម្រង់ជួរ ការតម្រៀបជាបញ្ជីជាដើម។ ការអនុវត្តវិធីនេះមានដូចតទៅ៖

• គណនាទំហំចន្លោះ(k)ដោយយកទំហំសាកលស្ថិតិ(N)ចែកនឹងទំហំគំរូតាង(n) ពោលគឺ k=N/n ។
• កំណត់ធាតុចាប់ផ្តើមដោយចៃដន្យនៅក្នុងចំណោមkធាតុដំបូង ឧទាហរណ៍ធាតុទីi។
• ធាតុដែលត្រូវជ្រើសរើសជាគំរូតាងគឺ ធាតុទីi, ទី(i+k), ទី(i+2k), ទី(i+3k) រហូតដល់គ្រប់ចំនួន។ 

ឧទាហរណ៍៖ ចំពោះសាកលស្ថិតិមួយដែលមានទំហំN=40(រូបខាងក្រោម) ជ្រើសរើសគំរូតាងជាប្រព័ន្ធដែលមានទំហំn=8។

    យើងបាន k = 40/8 = 5។ ចំណុចចាប់ផ្តើមអាចជ្រើសរើសដោយចៃដន្យនៅក្នុងចំណោម5ដំបូង។ ឧបមាថាធាតុទី៤ត្រូវបានជ្រើសរើសជាចំណុចចាប់ផ្តើម ដូច្នេះធាតុទាំង8ដែលត្រូវជ្រើសរើសជាគំរូតាងគឺ ធាតុទី៤, ទី៩, ទី១៤, ទី១៩, ទី២៤, ទី២៩, ទី៣៤ និង​ ទី៣៩។

នៅក្នុងឧទាហរណ៍ខាងលើ បើសិនជាត្រូវជ្រើសរើសគំរូតាងទំហំn=7វិញ តើត្រូវធ្វើដូចម្តេច? នៅក្នុងករណីនេះ ផលចែកN/nមិនដាច់។ យើងយកតែផ្នែកគត់របស់ផលចែក។ N/n=40/7=5.7 ដូច្នេះ យើងកំណត់យកk=5។ ឧបមាថាធាតុទី៥ត្រូវបានជ្រើសរើសជាធាតុចាប់ផ្តើម នោះធាតុដែលនឹងត្រូវជ្រើសរើសជាគំរូតាងទាំងអស់រួមមាន៖ ធាតុទី៥, ធាតុទី១០,ធាតុទី១៥,ធាតុទី២០,ធាតុទី២៥,ធាតុទី៣០និងធាតុទី៣៥។

វិធីជ្រើសរើសគំរូតាងថ្នាក់(Stratified Sampling)

វិធីនេះសម្រាប់ប្រើដើម្បីជ្រើសរើសគំរូតាងដែលតំណាងឱ្យថ្នាក់(stratum, strata(pl.))ផ្សេៗគ្នាច្រើន ដូចជាតាមភេទ តាមក្រុមអាយុ តាមមុខរបរ ឬតាមកម្រិតប្រាក់ចំណូលជាដើម។ ចំនួនធាតុដែលត្រូវជ្រើសរើសចេញពីថ្នាក់នីមួយៗត្រូវសមមាត្រនឹងទំហំរបស់ថ្នាក់នោះដែរ។ ចំនួនធាតុដែលត្រូវជ្រើសរើសចេញពីថ្នាក់នីមួយៗ កំណត់តាមរូបមន្ត

ឧទាហរណ៍៖ ឃុំមួយមាន៦ភូមិនិងគ្រួសារសរុបចំនួន697គ្រួសារ ត្រូវចាត់ទុកជាសាកលស្ថិតមួយ។ អ្នកសិក្សាស្រាវជ្រាវត្រូវការជ្រើសរើសគ្រួសារចំនួន៥០ ដើម្បីធ្វើបទសម្ភាស។ តើត្រូវធ្វើដូចម្តេចតាមវិធីជ្រើសរើសគំរូតាងថ្នាក់?

        ដើម្បីបានគំរូតាងដែលមាន៥០គ្រួសារ គេត្រូវជ្រើសរើសគ្រួសារតំណាងចេញពីគ្រប់ភូមិដែលជាថ្នាក់។ ចំនួន ត្រូវសមាមាត្រនឹងទំហំថ្នាក់នីមួយៗ។ ការគណនាបង្ហាញនៅក្នុងតារាងខាងក្រោម។ 

          នៅក្នុងករណីខ្លះ ផលបូកនៃតម្លៃ\({n_i}\)ពុំស្មើនឹង\({n}\)ទេ មូលហេតុគឺដោយសារភាពល្អៀងនៅក្នុងការបង្គត់ចំនួន។ នៅក្នុងករណីនេះ ដើម្បីបានទំហំគំរូតាងត្រឹមត្រូវតាមការកំណត់គេអាច ដកឬបូកថែម1ធាតុ ចេញពីឬទៅលើតម្លៃដែលគណនាសម្រាប់ថ្នាក់ណាដែលសមស្រប អាចទំនងជាថ្នាក់ដែលមានល្អៀងបង្គត់ធំជាងគេនៅពេលគណនា។ 

វិធីជ្រើសរើសគំរូតាងចង្កោម(Cluster Sampling)

វិធីនេះសម្រាប់ប្រើប្រាស់ដើម្បីជ្រើសរើសគំរូតាងចេញពីសាកលស្ថិតិដែលត្រូវបានបែងចែកជាក្រុមដូចនៅក្នុងវិធីជ្រើសរើសគំរូតាងថ្នាក់(Stratified Sampling) ដែរ ប៉ុន្តែខុសគ្នាត្រង់ថានៅក្នុងវិធីជ្រើសរើសគំរូតាងចង្កោម គេជ្រើសរើសយកក្រុមទាំងមូលនិងតែមួយចំនួនទៅតាមតម្រូវការ។ ក្រុមនីមួយៗ ហៅថាចង្កោម​(cluster)។

 រូបខាងក្រោមបង្ហាញថាសាកលស្ថិតិមួយបែងចែកជា៧ចង្កោម។ ចង្កោមមួយចំនួន ឧទាហរណ៍ IIនិងV ត្រូវបានជ្រើសរើសដោយចៃដន្យ។ បើធាតុទាំងអស់នៅក្នុងចង្កោមIIនិងចង្កោមVត្រូវបញ្ជូលជាគំរូតាង វិធីនេះហៅថា វិធីជ្រើសរើស១ជំហាន(one-stage sampling)។ គេអាចជ្រើសរើសដោយចៃដន្យយកធាតុតែមួយចំនួនចេញពីចង្កោមIIនិងចង្កោមV។ វិធីនេះហៅថា វិធីជ្រើសរើស២ជំហាន(two-stage sampling)។ គេអាចនឹងបន្តរបៀបនេះតទៅទៀត ដែលជាទូទៅគេហៅថា វិធីជ្រើសរើសពហុជំហាន(Multistage-stage sampling)

វិធីជ្រើសរើសគំរូតាងអប្រូបាប៊ីលីតេ(Non-probability Sampling Techniques)

        វាជាវិធីជ្រើសរើសគំរូតាងដែលនៅក្នុងនោះអ្នកស្រាវជ្រាវផ្អែកលើសុភវិនិច្ឆ័យផ្ទាល់ខ្លួនជាជាងភាពចៃដន្យ។ វិធីនេះច្រើនអនុវត្តនៅក្នុងការសិក្សាស្រាវជ្រាវបែបគុណវិស័យ(qualitative research)។ វាក៏ត្រូវបានគេប្រើប្រាស់ផងដែរសម្រាប់ការសិក្សាសាកល្បង(pilot study)។ វិធីជ្រើសរើសគំរូតាងអប្រូបាប៊ីលីតេរួមមាន៖

វិធីជ្រើសរើសគំរូតាងតាមភាពសមគួរ​ (Convenience Sampling/Opportunity Sampling/Accidental Sampling/Haphazard Sampling)

វិធីជ្រើសរើសគំរូតាងតាមភាពសមគួរជាវិធីជ្រើសរើសគំរូតាងអប្រូបាប៊ីលីតេមួយដែលនៅក្នុងនោះគំរូតាងត្រូវបានជ្រើសរើសតាមភាពដែលងាយអនុវត្តបានរបស់អ្នកស្រាវជ្រាវ ដោយហេតុផលមួយចំនួន ដូចជា ការធ្វើបានរហ័ស ការចំណាយតិច និងភាពងាយក្នុងការទាក់ទងជាដើម។

វិធីជ្រើសរើសគំរូតាងតគ្នា(Consecutive Sampling)

នៅក្នុងវិធីអប្រូបាប៊ីលីតេមួយនេះ បុគ្គលម្នាក់ឬក្រុមត្រូវបានសម្ភាសប្រមូលនិងវិភាគទិន្នន័យ បន្ទាប់មកអ្នកស្រាវស្រាវបន្តសម្ភាសប្រមូលនិងវិភាគទិន្នន័យអំពីបុគ្គលឬក្រុមមួយទៀត ធ្វើដូច្នេះជាបន្តរហូតដល់រកមិនឃើញមានអ្វីដែលថ្មីប្លែកពីការសម្ភាសមុនៗ អ្នកស្រាវជ្រាវក៏បញ្ឈប់ត្រឹមនោះ។

វិធីជ្រើសរើសគំរូតាងចេតនា (Purposive sampling /Judgmental Sampling)

នៅក្នុងវិធីនេះអ្នកស្រាវជ្រាវ ជ្រើសរើសបុគ្គលដែលត្រូវធ្វើសម្ភាសដោយគាត់យល់ថាសាកសម ឬត្រូវបរិបទនៃការសិក្សាស្រាវជ្រាវរបស់គាត់។

វិធីជ្រើសរើសគំរូតាងបាល់ទឹកកក(Snowball Sampling)

នៅក្នុងវិធីនេះអ្នកស្រាវជ្រាវ ជ្រើសរើសបុគ្គលមួយដើម្បីសម្ភាសបន្ទាប់មកពឹងបុគ្គលនោះឱ្យជួយណែនាំអ្នកដែលអាចផ្តល់បទសម្ភាសបន្ទាប់ទៀត ពោលគឺចង្អុលណែនាំបន្តគ្នា វិស័យដូចដុំទឹកកកដែលរមៀលកាត់លើព្រឹលទឹកកកដែលនឹងផ្តុំព្រិលទឹកកកជាដុំធំទៅៗ។ 

រូបបាល់ទឹកកក(snowball) 

វិធីជ្រើសរើសគំរូតាង​កូតា(Quota Sampling)

នៅក្នុងវិធីនេះអ្នកស្រាវជ្រាវបែងចែកសាកលស្ថិតិជាថ្នាក់ដូចវិធីជ្រើសរើសគំរូតាងថ្នាក់ ​(Stratified Sampling)​ដែរ ប៉ុន្តែធាតុដែលជ្រើសរើសចេញពីថ្នាក់នីមួយៗមិនធ្វើឡើងតាមវិធីចៃដន្យ(random)ទេ។ ឧទាហរណ៍ នៅក្នុងរោងចក្រមួយមានកម្មករស្រី(កម្មការិនី)៦៥%និងកម្មករប្រុស៣៥%។ អ្នកស្រាវជ្រាវម្នាក់ត្រូវការសម្ភាសកម្មករសរុប100នាក់ ដូច្នេះគាត់នឹងជ្រើសរើសកម្មករស្រី៦៥នាក់និងកម្មករប្រុស៣៥នាក់។ ការជ្រើសរើសនេះមិនប្រើវិធីចៃដន្យទេ។

វិធីជ្រើសរើសគំរូតាងដោយស្ម័គ្រចិត្ត(Volunteer Sampling)

    ជាវិធីអប្រូបាប៊ីលីតេមួយ ដែលអ្នកចូលរួមព្រមស្ម័គ្រចិត្តដោយខ្លួនឯងនៅក្នុងការសិក្សាស្រាវជ្រាវ។

 

វិធីជ្រើសរើសគំរូតាងនីមួយៗតែងមានចំណុចខ្លាំងនឹងចំណុចខ្សោយរបស់របស់វា។ ដូច្នេះវិធីនីមួយៗត្រូវបានយកទៅប្រើប្រាស់អាស្រ័យតាមតម្រូវការរបស់អ្នកសិក្សាស្រាវជ្រាវ៕

ត្រឡប់ទៅទំព័រដើម

ប្រភេទអថេរនៅក្នុងស្ថិតិវិទ្យា

  ប្រភេទអថេរ

            នៅក្នុងស្ថិតិវិទ្យា អថេរត្រូវបែងចែកចេញជាពីរប្រភេទ៖ អថេរគុណវិស័យ(qualitative variable) និង អថេរបរិមាណវិស័យ(quantitative variable)។ អថេរគុណវិស័យ ជាអថេរដែល តម្លៃរបស់វាពុំមែនជាលេខ។  អថេរ «ភេទ» មានតម្លៃ «ស្រី» ឬ «ប្រុស» ជាឧទាហរណ៍មួយនៃអថេរគុណវិស័យ ទោះបីជាគេតាងតម្លៃវាដោយលេខ ដូចជា ស្រី=0និងប្រុស=1 ក៏ដោយ។  អថេរ «ប្រាក់ចំណូល» ដែល អាចយកតម្លៃ «ទាប»,«មធ្យម»និង«ខ្ពស់» ក៏ជាឧទាហរណ៍មួយនៃអថេរគុណវិស័យដែរ។ អថេរ«អាយុ» ដែលគិតជាឆ្នាំ «ប្រាក់ឈ្នួល» ដែលគិតជាដុល្លារក្នុង១ម៉ោង ។ល។ ជាឧទាហរណ៍នៃអថេរបរិមាណវិស័យ។  

ត្រឡប់ទៅទំព័រដើម

សេចក្តីផ្តើមនៃស្ថិតិវិទ្យា

និយមន័យស្ថិតិវិទ្យា

            ស្ថិតិវិទ្យាត្រូវគ្នានឹងពាក្យនៅក្នុងភាសាអង់គ្លេស statisticsសំដៅលើមុខវិជ្ជា ឬវិទ្យាសាស្ត្រមួយដែលវិវឌ្ឍចេញពីគណិតវិទ្យា។ ស្ថិតិវិទ្យា ជាមុខវិជ្ជាសិក្សាអំពីវិធីប្រមូល រៀបចំ សង្ខេប វិភាគ ដើម្បីទាញការសន្និដ្ឋានអំពីទិន្នន័យ។ 

            ក្នុងន័យមួយទៀត ពាក្យ ក្នុងភាសាអង់គ្លេស statistic ក្នុងទម្រង់ឯកវចនៈនិងstatisticsក្នុងទម្រង់ពហុវចនៈ ប្រែថាស្ថិតិ សំដៅដល់ពត៌មានជាតួលេខ ដូចជាពាក្យដែលគេធ្លាប់និយាយថា «ស្រង់ស្ថិតិ» គឺជាការប្រមូលកត់ត្រាព័ត៌មានអំពីចំនួននៃមនុស្ស សត្វ វត្ថុ ផ្សេងៗ។ល។

            ស្ថិតិវិទ្យាមានពីរមែកធាង គឺ ស្ថិតិវិទ្យាពិពណ៌នា (descriptive statistics)និង ស្ថិតិវិទ្យាសន្និដ្ឋាន(inferential statistics)។ ស្ថិតិវិទ្យាពិពណ៌នា ផ្តោតទៅលើការសិក្សាអំពីវិធីប្រមូល រៀបចំ សង្ខេប និងបង្ហាញទិន្នន័យ រីឯស្ថិតិវិទ្យាសន្និដ្ឋាន សំដៅលើការសិក្សាអំពីដែលទាក់ទងនិងការប្រើប្រាស់ទ្រឹស្តីប្រូបាប៊ីលីតេ ដើម្បីទាញសន្និដ្ឋានចេញអំពី«ផ្នែកមួយ»និងវាយតម្លៃ«របស់ទាំងមូល» ពោលគឺជាការធ្វើទូទៅនីយកម្ម ឬ ការយោង។

            ការប្រើពាក្យ«ផ្នែកមួយ» ព្រមទាំងពាក្យ«ទាំងមូល»នៅទីនោះ គ្រាន់តែដើម្បីឱ្យអ្នកអានងាយយល់និយមន័យប៉ុណ្ណោះ។  ពាក្យជាផ្លូវការ សម្រាប់ពាក្យ«ផ្នែកមួយ» គឺ«គំរូតាង» ដែលត្រូវគ្នានិងពាក្យក្នុងភាសាអង់គ្លេស sample ចំណែកឯពាក្យ «របស់ទាំងមូល» គឺ«សាកលស្ថិតិ» ដែលត្រូវគ្នានឹងពាក្យក្នុងភាសាអង់គ្លេសpopulation។

សាកលស្ថិតិ និង គំរូតាង(Population and sample)

នៅក្នុងស្ថិតិវិទ្យា សាកលស្ថិតិគឺជាសំណុំនៃអង្គសង្កេត(observation)ទាំងមូល រីឯគំរូតាងគឺជាផ្នែកមួយនៃសាកលស្ថិតិ។ បើនិយាយតាមទ្រឹស្ថីសំណុំនៅក្នុងគណិតវិទ្យា គំរូតាង(sample) គឺជាសំណុំរងរបស់ សាកលស្ថិតិ (population) ​ដែលជាសំណុំសាកល។ 

រូបទី១៖ សាកលស្ថិតិនិងគំរូតាង(តំណាង)

ខាងក្រោមនេះជាឧទាហរណ៍មួយចំនួនដែលនឹងបង្ហាញអំពី សាកលស្ថិតិនិងគំរូតាង

១. អ្នកសិក្សាស្រាវជ្រាវម្នាក់ ចង់សិក្សាអំពីបញ្ហាប្រឈមនៅក្នុងការសិក្សាមុខវិជ្ជាគណិតវិទ្យានៅកម្រិតវិទ្យាល័យនៅក្នុងប្រទេសកម្ពុជា។ គាត់រៀបចំកម្រងសំណួរ ដែលនៅក្នុងនោះមានសំណួរដែលស្របតាមគោលបំណងនៃការស្រាវជ្រាវរបស់គាត់សម្រាប់សម្ភាសសិស្ស។ នៅក្នុងការអនុវត្តជាក់ស្តែង ច្បាស់ណាស់គាត់មិនអាចសម្ភាសគ្រប់សិស្សវិទ្យាល័យទាំងអស់ទូទាំងប្រទេសបានទេ ដោយមូលហេតុដែលមានដូចជា ពេលវេលា និង ថវិកាសម្រាប់ការស្រាវជ្រាវ មានកំណត់។ គាត់ត្រូវតែជ្រើសរើសសិស្សវិទ្យាល័យមួយចំនួនជាតំណាងសម្រាប់ធ្វើការសម្ភាស។ វិធីនៃការជ្រើសរើស និង ចំនួនដែលត្រូវជ្រើសរើស ត្រូវកំណត់ដោយវិធីជាក់លាក់នៅក្នុងស្ថិតិវិទ្យា(សូមតាមដានប្រធានបទដែលនឹងផុសលើកក្រោយៗទៀត)។ នៅក្នុងក្នុងឧទាហរណ៍នេះ សាកលស្ថិតិគឺជាសំណុំនៃសិស្សវិទ្យាល័យនៅប្រទេសកម្ពុជាទាំងអស់ ហើយ គំរូតាងគឺជាសំណុំនៃសិស្សដែល អ្នកស្រាវជ្រាវកំណត់ត្រូវសម្ភាស។ 

        ២. អ្នកគ្រប់គ្រងនៅក្នុងក្រុមហ៊ុនផលិតភេសជ្ជៈមួយ ចង់ត្រួតពិនិត្យនិងវាយតម្លៃចំណុះភេសជ្ជៈនៅក្នុងកំប៉ុង ថាតើវាត្រឹមត្រូវតាមអ្វីដែលមានបិទស្លាកនៅលើកំប៉ុងដែរឬទេ។  គាត់ត្រូវជ្រើសរើស កំប៉ុងភេសជ្ជៈមួយចំនួនជាតំណាងនិងពិនិត្យមើលចំណុះនៃភេសជ្ជៈនៅក្នុងកំប៉ុងនីមួយៗទាំងនោះ។  នៅក្នុងករណីនេះ រង្វាស់ចំណុះភេសជ្ជៈក្នុងកំប៉ុងដែលត្រូវបានជ្រើសរើសជាតំណាងទាំងនោះ បង្កើតបានជាសំណុំទិន្នន័យគំរូតាង។ 

 

ត្រឡប់ទៅទំព័រដើម