រូបភាព៖ ដ្យាក្រាមគោលបាញ់ — និមិត្តសញ្ញាបង្ហាញសុពលភាព ទល់នឹង ភាពជឿជាក់ (រូបភាពនិមិត្តបង្កើតដោយ AI)សុពលភាព និងភាពជឿជាក់ក្នុងការស្រាវជ្រាវ (Validity & Reliability)៖ ហេតុអ្វីគោលបាញ់មួយអាចត្រឹមត្រូវ ប៉ុន្តែខុសគោល?
ឆកាំជញ្ជីងមួយអាចបង្ហាញលេខដូចគ្នាជានិច្ច (ជឿជាក់ខ្លាំង) ប៉ុន្តែខុសពីទម្ងន់ពិត ១ គីឡូក្រាមជានិច្ចក៏ដោយ (មិនសុពលភាព)។ មេរៀននេះពន្យល់ពីភាពខុសគ្នារវាងសុពលភាព និងភាពជឿជាក់ ប្រភេទសុពលភាពទាំង ៤ របស់ការស្រាវជ្រាវបរិមាណ ប្រភេទភាពជឿជាក់សំខាន់ៗ និងក្របខ័ណ្ឌទំនុកចិត្ត (trustworthiness) របស់ Lincoln & Guba សម្រាប់ការស្រាវជ្រាវគុណភាព។
🎯 គោលបំណងនៃមេរៀន — បន្ទាប់ពីអានចប់ អ្នកនឹងអាច៖
- បែងចែករវាង សុពលភាព (validity) និង ភាពជឿជាក់ (reliability) ឱ្យច្បាស់ ហើយពន្យល់ថាហេតុអ្វីការវាស់វែងអាចជឿជាក់ ប៉ុន្តែមិនសុពលភាពក៏បាន។
- កំណត់ និងប្រើប្រភេទសុពលភាពបរិមាណទាំង ៤ (គំនិត ខាងក្នុង ខាងក្រៅ សន្និដ្ឋានស្ថិតិ) ជាមួយឧទាហរណ៍អន្តរជាតិ ដើម្បីរិះគន់ការសិក្សារបស់អ្នកដទៃ ឬការសិក្សារបស់ខ្លួនឯង។
- រាយ និងពន្យល់ការគំរាមកំហែងសុពលភាពខាងក្នុងបែបប្រពៃណីទាំង ៨ របស់ Campbell & Stanley។
- គណនា និងបកស្រាយ Cronbach’s alpha ជាឧទាហរណ៍នៃភាពជឿជាក់ចំណុចខាងក្នុង ហើយបែងចែកវាពីការធ្វើតេស្តម្ដងទៀត និងភាពស៊ីគ្នារវាងអ្នកវាយតម្លៃ។
- អនុវត្តក្របខ័ណ្ឌទំនុកចិត្ត (trustworthiness) របស់ Lincoln & Guba (ភាពគួរជឿ ភាពអាចផ្ទេរ ភាពអាចទុកចិត្ត ភាពអាចបញ្ជាក់) ជាមួយបច្ចេកទេសសម្រាប់ធានានីមួយៗ។
⚡ សង្ខេបក្នុង ៣០ វិនាទី
- សុពលភាព និងភាពជឿជាក់ មិនមែនជារឿងដូចគ្នាទេ។ ភាពជឿជាក់ (reliability) សួរថា តើការវាស់វែងផ្ដល់លទ្ធផលស្ថិតស្ថេរដែរឬទេ (ម្ដងទៀត); សុពលភាព (validity) សួរថា តើវាវាស់អ្វីដែលវាអះអាងថានឹងវាសពិតប្រាកដដែរឬទេ។ ភាពជឿជាក់ជាលក្ខខណ្ឌចាំបាច់ ប៉ុន្តែមិនគ្រប់គ្រាន់ សម្រាប់សុពលភាព។
- ការស្រាវជ្រាវបរិមាណ មានសុពលភាពធំ ៤ ប្រភេទ៖ សុពលភាពគំនិត (construct) សុពលភាពខាងក្នុង (internal) សុពលភាពខាងក្រៅ (external) និងសុពលភាពសន្និដ្ឋានស្ថិតិ (statistical conclusion) — នីមួយៗឆ្លើយសំណួរផ្សេងគ្នា អំពីគុណភាពនៃការសន្និដ្ឋានមួយ។
- ការគំរាមកំហែងសុពលភាពខាងក្នុងបែបប្រពៃណីទាំង ៨ (ប្រវត្តិសាស្ត្រ ការលូតលាស់ ការធ្វើតេស្ត ឧបករណ៍វាស់ ការប្រមូលមកវិញ ជីវវិទ្យា ការបាត់បង់ និងការសាយភាយការព្យាបាល) របស់ Campbell & Stanley (១៩៦៣) នៅតែជាគ្រឹះនៃការរិះគន់ការសិក្សាសព្វថ្ងៃ។
- ភាពជឿជាក់មានច្រើនប្រភេទ (ធ្វើតេស្តម្ដងទៀត អ្នកវាយតម្លៃច្រើននាក់ ភាពស៊ីគ្នាខាងក្នុង ពាក់កណ្ដាលតេស្ត) — Cronbach’s alpha (១៩៥១) ជារង្វាស់ភាពស៊ីគ្នាខាងក្នុងដែលប្រើច្រើនបំផុត ប៉ុន្តែមិនមែនជារង្វាស់ភាពជឿជាក់តែមួយគត់ទេ។
- ការស្រាវជ្រាវគុណភាព ប្រើក្របខ័ណ្ឌខុសគ្នា៖ ក្របខ័ណ្ឌទំនុកចិត្ត (trustworthiness) របស់ Lincoln & Guba (១៩៨៥) ជំនួសសុពលភាព/ភាពជឿជាក់ដោយ ភាពគួរជឿ (credibility) ភាពអាចផ្ទេរ (transferability) ភាពអាចទុកចិត្ត (dependability) និងភាពអាចបញ្ជាក់ (confirmability)។
០១ · ហេតុអ្វីសំខាន់ហេតុអ្វីគណៈកម្មការជិះជាន់លើពាក្យពីរនេះជានិច្ច
ក្នុងការការពារនិក្ខេបបទ និងសិក្ខាសាលាវិធីសាស្ត្រស្រាវជ្រាវ មានសំណួរពីរដែលសួរញឹកញាប់ជាងគេ៖ «តើការវាស់វែងរបស់អ្នកជឿជាក់ដែរឬទេ?» និង «តើការសន្និដ្ឋានរបស់អ្នកមានសុពលភាពដែរឬទេ?»។ ទាំងពីរមិនមែនជាគ្រាន់តែលក្ខខណ្ឌបច្ចេកទេសសម្រាប់ជំពូកវិធីសាស្ត្រប៉ុណ្ណោះទេ — ពួកវាគឺជាឆ្អឹងខ្នងនៃវិទ្យាសាស្ត្រជាទូទៅ៖ ប្រសិនបើឧបករណ៍វាស់វែង ឬការសន្និដ្ឋានមិនអាចទុកចិត្តបាន លទ្ធផលទាំងមូលនៃការសិក្សានឹងបន្ថយតម្លៃ ទោះជាការវិភាគស្ថិតិមានភាពទំនើបប៉ុណ្ណាក៏ដោយ។
កំហុសដែលជួបញឹកញាប់គឺ ការប្រើពាក្យទាំងពីរដូចជាមានន័យដូចគ្នា ឬព្រហើនធ្វើការធ្វើតេស្តតែម្ខាង (ឧ. គណនា Cronbach’s alpha តែមួយ ហើយគិតថា «ឧបករណ៍នេះសុពលភាព») ខណៈដែលជាក់ស្ដែង ភាពជឿជាក់ខ្លាំង និងសុពលភាពខ្លាំង ជារឿងពីរផ្សេងគ្នាទាំងស្រុង ហើយការសិក្សាមួយអាចខ្លាំងម្ខាង ខ្សោយម្ខាងបានស្រួល។ ក្នុងការស្រាវជ្រាវគុណភាព ការជជែកដេញដោលកាន់តែស្មុគស្មាញ — អ្នកវិទ្យាសាស្ត្រសង្គមមួយចំនួនចាត់ទុកថាសុពលភាព/ភាពជឿជាក់ជាគំនិតដែលមានឫសគល់ពីទស្សនវិជ្ជាវិជ្ជមាន (positivist) ហើយស្នើក្របខ័ណ្ឌខុសគ្នាទាំងស្រុងសម្រាប់វាយតម្លៃគុណភាពការសិក្សាគុណភាព — ជាប្រធានបទនៃផ្នែកក្រោយក្នុងមេរៀននេះ។
០២ · និយមន័យសុពលភាព ទល់នឹង ភាពជឿជាក់៖ ភាពខុសគ្នាដែលសំខាន់បំផុត
ភាពជឿជាក់ (Reliability)
- ភាពស្ថិតស្ថេរ នៃការវាស់វែង — ប្រសិនបើធ្វើម្ដងទៀតក្នុងលក្ខខណ្ឌស្រដៀងគ្នា តើលទ្ធផលដូចគ្នាដែរឬទេ?
- សួរអំពី កំហុសចៃដន្យ (random error) — ភាពមិនច្បាស់ ភាពច្របូកច្របល់ក្នុងការវាស់
- អាចវាស់វែងបានតាមលេខ (ឧ. មេគុណ correlation 0 ដល់ 1)
សុពលភាព (Validity)
- ភាពត្រឹមត្រូវ — តើឧបករណ៍/ការរចនាវាសនូវអ្វីដែលវាអះអាងថានឹងវាសពិតប្រាកដដែរឬទេ?
- សួរអំពី កំហុសជាប្រព័ន្ធ (systematic error / bias) — ការវាស់ខុសទិសដៅនៅគ្រប់លើក
- ជាធម្មតាវាយតម្លៃដោយវិនិច្ឆ័យ ភស្តុតាង និងការប្រៀបធៀប មិនមែនជាលេខតែមួយទេ
ដ្យាក្រាមគោលបាញ់ខាងលើមេរៀននេះបង្ហាញភាពខុសគ្នាច្បាស់បំផុត៖ ជឿជាក់ + សុពលភាព — គ្រាប់កញ្ចប់តឹងនៅចំកណ្ដាលគោល (ល្អបំផុត); ជឿជាក់ ប៉ុន្តែមិនសុពលភាព — គ្រាប់កញ្ចប់តឹង ប៉ុន្តែនៅចំហៀង ឆ្ងាយពីកណ្ដាល (ភាពស្ថិតស្ថេរដោយគ្មានភាពត្រឹមត្រូវ — ដូចជញ្ជីងកំហុសដែលបង្ហាញ ៥៨ គីឡូក្រាមជានិច្ច ទោះទម្ងន់ពិតជា ៦០); សុពលភាពជាមធ្យម ប៉ុន្តែមិនជឿជាក់ — គ្រាប់កញ្ចាយជុំវិញកណ្ដាល ដែលជាមធ្យមត្រឹមត្រូវ ប៉ុន្តែការវាស់នីមួយៗមិនច្បាស់លាស់; និង គ្មានទាំងពីរ — គ្រាប់កញ្ចាយនៅចំហៀង។ លក្ខណៈសំខាន់ដែលត្រូវចាំ៖ ភាពជឿជាក់ជាលក្ខខណ្ឌចាំបាច់ សម្រាប់សុពលភាព ប៉ុន្តែមិនគ្រប់គ្រាន់ទេ — ការវាស់វែងមិនជឿជាក់ មិនអាចសុពលភាពបានទាល់តែសោះ (ព្រោះលទ្ធផលប្រែប្រួលចៃដន្យ) ប៉ុន្តែការវាស់វែងជឿជាក់ខ្លាំង នៅតែអាចខុសទិសដៅទាំងស្រុងបាន។
📍 ឧទាហរណ៍៖ កម្រងសំណួរវាស់ «ភាពតានតឹងការងារ» ឆ្លងកាត់ប្រទេសប៉ូឡូញ
ក្រុមស្រាវជ្រាវនៅទីក្រុង Kraków ប្រទេសប៉ូឡូញ ប្រើកម្រងសំណួរវាស់ភាពតានតឹងការងារចំពោះគិលានុបដ្ឋាយិកា។ កម្រងសំណួរនេះមាន Cronbach’s alpha = ០.៨៩ (ភាពជឿជាក់ចំណុចខាងក្នុងខ្លាំង) ប៉ុន្តែពាក្យសួរភាគច្រើនផ្ដោតលើ «ភាពនឿយហត់រាងកាយ» ជាជាង «ភាពតានតឹងផ្លូវចិត្ត» ដែលជាគំនិតដែលការសិក្សាអះអាងថានឹងវាស។ លទ្ធផល៖ ឧបករណ៍នេះ ជឿជាក់ខ្លាំង (ផ្ដល់លេខស្ថិតស្ថេរ) ប៉ុន្តែ សុពលភាពគំនិតទាប — វាវាសបានតែផ្នែកតូចមួយនៃគំនិត «ភាពតានតឹង» ដែលចង់សិក្សាជាក់ស្ដែង។
០៣ · ទិដ្ឋភាពទូទៅសុពលភាពទាំង ៤ ដែលសួរសំណួរខុសគ្នា
ក្របខ័ណ្ឌដែលប្រើទូទៅបំផុតមកពី Donald Campbell និង Julian Stanley (១៩៦៣) ហើយពង្រីកបន្ថែមដោយ Cook & Campbell (១៩៧៩) និង Shadish, Cook & Campbell (២០០២)។ ពួកគេបែងចែកសុពលភាពនៃការសន្និដ្ឋានមួយជា ៤ ប្រភេទ ដែលនីមួយៗឆ្លើយសំណួរផ្សេងគ្នា៖
| ប្រភេទសុពលភាព | សំណួរដែលវាឆ្លើយ | ហានិភ័យប្រសិនបើខ្សោយ |
|---|---|---|
| សុពលភាពគំនិត (Construct) | តើការវាស់វែង/ការអន្តរាគមន៍ឆ្លុះបញ្ចាំងគំនិតទ្រឹស្ដីដែលចង់សិក្សាដែរឬទេ? | វាសខុសរឿង ឬវាសតែផ្នែកខ្លះនៃគំនិត |
| សុពលភាពខាងក្នុង (Internal) | តើការផ្លាស់ប្ដូរអថេរឯករាជ្យ ពិតជាបង្កឱ្យមានការផ្លាស់ប្ដូរអថេរអាស្រ័យ ក្នុងការសិក្សានេះដែរឬទេ? | កត្តាផ្សេងក្រៅពីការអន្តរាគមន៍ ពន្យល់លទ្ធផល |
| សុពលភាពខាងក្រៅ (External) | តើលទ្ធផលអាចអនុវត្តលើមនុស្ស ទីកន្លែង ឬពេលវេលាផ្សេងទៀតដែរឬទេ? | លទ្ធផលពិតតែក្នុងលក្ខខណ្ឌជាក់លាក់របស់ការសិក្សានេះ |
| សុពលភាពសន្និដ្ឋានស្ថិតិ (Statistical Conclusion) | តើការវិភាគស្ថិតិគាំទ្រការសន្និដ្ឋានអំពីទំនាក់ទំនង/ភាពខុសគ្នាដែរឬទេ? | កំហុសប្រភេទទី ១/២ កម្លាំងស្ថិតិទាប ឬខុសលក្ខខណ្ឌតេស្ត |
សុពលភាពទាំង ៤ មិនឯករាជ្យពីគ្នាទាំងស្រុងទេ — ជាធម្មតាមានការដោះដូរគ្នា (trade-off)៖ ការពិសោធន៍ក្នុងមន្ទីរពិសោធន៍ដែលគ្រប់គ្រងកត្តាខាងក្រៅយ៉ាងតឹងរ៉ឹង ជាធម្មតាមានសុពលភាពខាងក្នុងខ្លាំង ប៉ុន្តែសុពលភាពខាងក្រៅទាប (ដោយសារបរិស្ថានសិប្បនិម្មិត); ការសិក្សាវិស័យទូលំទូលាយវិញ មានសុពលភាពខាងក្រៅខ្លាំងជាង ប៉ុន្តែគ្រប់គ្រងកត្តារំខានបានតិចជាង។ គ្មានការសិក្សាណាដែលមានពិន្ទុពេញគ្រប់ប្រភេទទាំង ៤ — ភារកិច្ចរបស់អ្នកស្រាវជ្រាវគឺសម្រេចចិត្តថាសុពលភាពមួយណាសំខាន់បំផុតសម្រាប់សំណួររបស់ខ្លួន ហើយទទួលស្គាល់ដែនកំណត់លើប្រភេទដទៃដោយបើកចំហ។
០៤ · សុពលភាពគំនិតសុពលភាពគំនិត (Construct Validity)
សុពលភាពគំនិតសួរថា៖ តើឧបករណ៍វាស់វែង ឬការកំណត់ប្រតិបត្តិការ (operationalization) របស់អថេរមួយ ឆ្លុះបញ្ចាំងគំនិតទ្រឹស្ដីដែលវាអះអាងថានឹងវាសពិតប្រាកដដែរឬទេ។ នេះជារឿងពិសេសសំខាន់សម្រាប់គំនិតអរូបី ដូចជា «ភាពវិប្បត្តិ (depression)» «ភាពជឿទុកចិត្តស្ថាប័ន» ឬ «គុណភាពជីវិត» ដែលមិនអាចសង្កេតដោយផ្ទាល់បាន ត្រូវតែកំណត់តាមរយៈសំណួរ ឬរង្វាស់ប្រយោល។
📍 ឧទាហរណ៍៖ ការធ្វើឱ្យសុពលភាពឧបករណ៍វាស់ភាពវិប្បត្តិនៅប្រទេសប្រេស៊ីល
ក្រុមស្រាវជ្រាវនៅទីក្រុង São Paulo ប្រទេសប្រេស៊ីល បកប្រែ និងសម្រួលឧបករណ៍វាស់ភាពវិប្បត្តិ Beck Depression Inventory (BDI) ទៅជាភាសាព័រទុយហ្គាល់ប្រេស៊ីល។ ដើម្បីធ្វើឱ្យមានសុពលភាពគំនិត ពួកគេធ្វើតេស្ត សុពលភាពសមាហរណ៍ ដោយប្រៀបធៀបពិន្ទុ BDI ជាមួយការធ្វើរោគវិនិច្ឆ័យគ្លីនិកតាមវេជ្ជបណ្ឌិតចិត្តសាស្ត្រ (correlation ខ្ពស់ ០.៧៦) និង សុពលភាពបែកគ្នា ដោយបញ្ជាក់ថាពិន្ទុ BDI មានទំនាក់ទំនងទន់ជាមួយរង្វាស់ភាពរំជើបរំជួលទូទៅ (Cronbach’s alpha ផ្ទាល់ = ០.៩១) ដែលជាគំនិតដែលខុសគ្នា។ លទ្ធផលទាំងពីរគាំទ្រការអះអាងថា BDI បកប្រែ ពិតជាវាសគំនិត «ភាពវិប្បត្តិគ្លីនិក» ជាក់ស្ដែង មិនមែនគ្រាន់តែជាកម្រិតភាពតានតឹងទូទៅនោះទេ។
💡 សុពលភាពមុខ (face validity — តើវាមើលទៅសមហេតុសមផលទេ?) ជារឿងងាយបំផុតត្រូវពិនិត្យ ប៉ុន្តែខ្សោយបំផុតជាភស្តុតាង — ត្រូវប្រើរួមជាមួយសុពលភាពមាតិកា និងសុពលភាពសមាហរណ៍/បែកគ្នា មិនមែនជំនួសវាទេ។
០៥ · សុពលភាពខាងក្នុងសុពលភាពខាងក្នុង & ការគំរាមកំហែង ៨ របស់ Campbell & Stanley
សុពលភាពខាងក្នុងសួរថា៖ ក្នុងការសិក្សានេះ ជាក់ស្ដែង តើការអន្តរាគមន៍ (ឬអថេរឯករាជ្យ) ពិតជាបង្កឱ្យមានលទ្ធផលដែលសង្កេតបាន ឬមានការពន្យល់ផ្សេងដែលសមហេតុសមផលជាងនេះដែរឬទេ។ Campbell & Stanley (១៩៦៣) កំណត់ការគំរាមកំហែង ៨ ដែលនៅតែជាឆកាំត្រួតពិនិត្យស្តង់ដារសម្រាប់ការសិក្សាពិសោធន៍ និងពាក់ពិសោធន៍៖
① ប្រវត្តិសាស្ត្រ (History)
ហេតុការណ៍ក្រៅស្រាវជ្រាវកើតឡើងស្របគ្នា ហើយអាចជាការពន្យល់ជំនួស (ឧ. គោលនយោបាយរដ្ឋកើតឡើងពាក់កណ្ដាលការសិក្សា)។
② ការលូតលាស់ (Maturation)
ការផ្លាស់ប្ដូរធម្មជាតិរបស់អ្នកចូលរួមតាមពេលវេលា (ភាពចាស់ទុំ ភាពហត់នឿយ) ទោះគ្មានការអន្តរាគមន៍ក៏ដោយ។
③ ការធ្វើតេស្ត (Testing)
ការធ្វើតេស្តលើកទី ១ ខ្លួនឯង ប៉ះពាល់ដល់ការធ្វើតេស្តលើកទី ២ (ឧ. អ្នកចូលរួមចាំសំណួរ ឬរៀនចូលចិត្តលំហាត់)។
④ ឧបករណ៍វាស់ (Instrumentation)
ឧបករណ៍វាស់ ឬវិធីវាយតម្លៃខ្លួនឯងផ្លាស់ប្ដូរតាមពេលវេលា (ឧ. អ្នកសម្ភាសន៍កាន់តែមានជំនាញ ឬឧបករណ៍ត្រូវបានកែតម្រូវ)។
⑤ ការប្រមូលមកវិញតាមស្ថិតិ (Statistical Regression)
អ្នកចូលរួមដែលជ្រើសរើសដោយសារពិន្ទុខ្លាំង/ទន់បំផុត មានទំនោរប្រមូលមកវិញឆ្ពោះទៅមធ្យម ដោយមិនទាក់ទងនឹងការអន្តរាគមន៍។
⑥ ការជ្រើសរើស (Selection)
ក្រុមប្រៀបធៀបខុសគ្នាជាមូលដ្ឋានតាំងពីដើម (ឧ. ក្រុមស្ម័គ្រចិត្តទល់នឹងក្រុមមិនស្ម័គ្រចិត្ត) មិនមែនដោយសារការអន្តរាគមន៍ទេ។
⑦ ការបាត់បង់/ការធ្លាក់ចេញ (Attrition / Mortality)
អ្នកចូលរួមដែលចេញពីការសិក្សាខុសគ្នាជាប្រព័ន្ធពីអ្នកដែលនៅសល់ (ឧ. អ្នកឈឺធ្ងន់បំផុតឈប់ចូលរួម)។
⑧ ការសាយភាយការព្យាបាល (Diffusion / Contamination)
ក្រុមត្រួតពិនិត្យទទួលបានព័ត៌មាន ឬឥទ្ធិពលខ្លះៗពីក្រុមអន្តរាគមន៍ ធ្វើឱ្យភាពខុសគ្នារវាងក្រុមថយចុះ។
📍 ឧទាហរណ៍៖ ការវិភាគសុពលភាពខាងក្នុងនៃកម្មវិធីអន្តរាគមន៍សាលារៀននៅប្រទេសកេនយ៉ា
ក្រសួងអប់រំខេត្ត Kisumu ប្រទេសកេនយ៉ា ដាក់ឱ្យអនុវត្តកម្មវិធីអាហារសាលាថ្មី ហើយប្រៀបធៀបពិន្ទុអាននៃសិស្សមុន-ក្រោយរយៈពេល ១ ឆ្នាំ ដោយគ្មានក្រុមត្រួតពិនិត្យ (ការរចនាមួយក្រុម pre-post)។ ពិន្ទុកើនឡើង ១២% ហើយអ្នកសរសេរនយោបាយអះអាងថាកម្មវិធីអាហារបានជោគជ័យ។ ការវិភាគសុពលភាពខាងក្នុងបង្ហាញភាពគំរាមកំហែងយ៉ាងហោចណាស់ ៣ យ៉ាង៖ ការលូតលាស់ (សិស្សចំណេះដឹងកើនឡើងដោយធម្មជាតិក្នុងមួយឆ្នាំសិក្សាទោះគ្មានអាហារក៏ដោយ); ប្រវត្តិសាស្ត្រ (ឆ្នាំដូចគ្នានោះ ក្រសួងក៏ដាក់ឱ្យអនុវត្តកម្មវិធីគ្រូបង្រៀនថ្មីផងដែរ ដែលអាចជាកត្តាចម្រុះ); និង ការធ្វើតេស្ត (តេស្តអានដូចគ្នាប្រើពីរដង ដែលសិស្សអាចធ្លាប់ស្គាល់ទម្រង់សំណួរ)។ ដោយគ្មានក្រុមប្រៀបធៀបដែលមិនទទួលអាហារ ក៏ប៉ុន្តែទទួលកត្តាដទៃទាំងនោះដូចគ្នា ការអះអាងពីកំណើន ១២% ជាផលមកពីអាហារតែម្យ៉ាង គឺខ្សោយសុពលភាពខាងក្នុងយ៉ាងសំខាន់។
💡 ការរចនាសុភាវនិយម (quasi-experimental) ដូចជា difference-in-differences ឬ regression discontinuity (មេរៀនទី ០៦) ជាវិធីកាត់បន្ថយការគំរាមកំហែងទាំងនេះ ដោយគ្មានតម្រូវការចែកចៃដន្យពេញលេញ។
០៦ · សុពលភាពខាងក្រៅសុពលភាពខាងក្រៅ (External Validity)
សុពលភាពខាងក្រៅសួរថា៖ តើលទ្ធផលនៃការសិក្សានេះ អាចអនុវត្តលើ (១) មនុស្ស ផ្សេងទៀត (ប្រជាជនក្រៅការសិក្សា) (២) ទីកន្លែង/បរិបទ ផ្សេងទៀត និង (៣) ពេលវេលា ផ្សេងទៀតដែរឬទេ។ វាខុសពីសុពលភាពខាងក្នុងទាំងស្រុង៖ ការសិក្សាមួយអាចមានសុពលភាពខាងក្នុងខ្លាំង (ជឿជាក់ថាការអន្តរាគមន៍ពិតជាបង្កផល នៅក្នុងសំណាកនេះ) ប៉ុន្តែសុពលភាពខាងក្រៅទាប (លទ្ធផលមិនអនុវត្តលើកន្លែងផ្សេង)។
កត្តាបង្កើនសុពលភាពខាងក្រៅ
- សំណាកតំណាងប្រជាជនគោលដៅ (ប្រូបាប៊ីលីតេ សម្រាប់បរិមាណ)
- ធ្វើការសិក្សាឡើងវិញ (replication) នៅបរិបទ/ប្រជាជនផ្សេង
- លក្ខខណ្ឌសិក្សាស្រដៀងទៅនឹងជីវិតពិត (ecological validity)
កត្តាបន្ថយសុពលភាពខាងក្រៅ
- សំណាកងាយស្រួល ឬក្រុមតូចខ្លាំង (ឧ. និស្សិតសាកលវិទ្យាល័យតែម្យ៉ាង)
- លក្ខខណ្ឌមន្ទីរពិសោធន៍ឃ្លាតពីជីវិតពិត (ឥទ្ធិពល Hawthorne)
- ប្រតិកម្មអន្តរកម្មរវាងការជ្រើសរើស និងការអន្តរាគមន៍ (ឧ. ប្រសិទ្ធភាពខុសគ្នាចំពោះក្រុមអាយុផ្សេង)
📍 ឧទាហរណ៍៖ ការសាកល្បងថ្នាំកាត់បន្ថយជំងឺគ្រុនចាញ់នៅប្រទេសវៀតណាម ទល់នឹង ប្រទេសកាណាដា
ការសាកល្បងព្យាបាលបែបចៃដន្យ (RCT) មួយលើថ្នាំការពារជំងឺគ្រុនចាញ់ធ្វើឡើងនៅខេត្ត Dak Lak ប្រទេសវៀតណាម ដែលជំងឺគ្រុនចាញ់រីករាលដាលខ្លាំង ហើយប្រជាជនមានការប៉ះពាល់ជីវសាស្ត្រខុសគ្នា (ភាពស៊ាំតាមប្រវត្តិការប៉ះពាល់)។ លទ្ធផលបង្ហាញប្រសិទ្ធភាព ៨៥%។ ប្រសិនបើអនុវត្តលទ្ធផលនេះដោយផ្ទាល់ទៅប្រជាជនកាណាដាដែលមិនធ្លាប់ប៉ះពាល់ជំងឺគ្រុនចាញ់ពីមុន សុពលភាពខាងក្រៅប្រហែលជាទាប ព្រោះភាពស៊ាំមូលដ្ឋាន និងហានិភ័យប្រឈមខុសគ្នាទាំងស្រុង — នេះជាមូលហេតុដែលការសាកល្បងព្យាបាលថ្នាំជាធម្មតាត្រូវធ្វើម្ដងទៀតនៅប្រជាជនចម្រុះ (multi-site trials) មុននឹងទទួលការអនុម័តអន្តរជាតិ។
០៧ · សុពលភាពសន្និដ្ឋានស្ថិតិសុពលភាពសន្និដ្ឋានស្ថិតិ (Statistical Conclusion Validity)
សុពលភាពប្រភេទនេះ ញឹកញាប់ត្រូវបានមើលរំលង ប៉ុន្តែសំខាន់ដូចគ្នា៖ វាសួរថា តើការវិភាគស្ថិតិគាំទ្រការសន្និដ្ឋានអំពីទំនាក់ទំនងរវាងអថេរដែរឬទេ។ ទោះការរចនាសុពលភាពខាងក្នុងល្អប៉ុណ្ណា ប្រសិនបើការវិភាគស្ថិតិមានបញ្ហា ការសន្និដ្ឋានចុងក្រោយនៅតែខុសបាន។
📍 ឧទាហរណ៍៖ ការសិក្សារបបអាហារ-ជំងឺបេះដូងនៅប្រទេសចីលី ដែលធ្វើតេស្តច្រើនដង
ក្រុមស្រាវជ្រាវនៅសាកលវិទ្យាល័យមួយក្នុងប្រទេសចីលី វិភាគសំណុំទិន្នន័យ ២០ ប្រភេទរបបអាហារ ជាមួយលទ្ធផលជំងឺបេះដូង ៥ ប្រភេទ — សរុបការប្រៀបធៀបស្ថិតិ ១០០ លើក ដោយប្រើ alpha = ០.០៥ សម្រាប់រាល់តេស្តដោយឡែក និងគ្មានការកែតម្រូវ។ តាមទ្រឹស្ដីប្រូបាប៊ីលីតេ ការធ្វើតេស្តច្រើនបែបនេះ រំពឹងថានឹងបង្ហាញលទ្ធផល «មានន័យស្ថិតិ» ប្រហែល ៥ លើកដោយចៃដន្យសុទ្ធ ទោះគ្មានទំនាក់ទំនងពិតប្រាកដសូម្បីមួយក៏ដោយ។ ក្រុមស្រាវជ្រាវបោះពុម្ពតែលទ្ធផល ៣ ដែលមានន័យស្ថិតិ ដោយមិនរាយការណ៍ពីតេស្តទាំង ៩៧ ទៀត (ទម្លាប់ហៅថា p-hacking ឬ data dredging) — ធ្វើឱ្យសុពលភាពសន្និដ្ឋានស្ថិតិរបស់ការបោះពុម្ពនោះខ្សោយយ៉ាងសំខាន់។
💡 ចុះឈ្មោះគម្រោងសិក្សាជាមុន (pre-registration) ជាមួយសម្មតិកម្ម និងផែនការវិភាគច្បាស់លាស់ គឺជាដំណោះស្រាយដែលទទួលយកកាន់តែច្រើនចំពោះបញ្ហា p-hacking និងការធ្វើតេស្តច្រើន។
០៨ · ភាពជឿជាក់ភាពជឿជាក់៖ ប្រភេទ និងការគណនា Cronbach’s Alpha ជាក់ស្ដែង
ភាពជឿជាក់មិនមែនជារឿងតែមួយទេ — វាមានប្រភេទផ្សេងគ្នា អាស្រ័យលើប្រភពកំហុសចៃដន្យដែលចង់វាយតម្លៃ។
ការធ្វើតេស្តម្ដងទៀត (Test-Retest)
- ឧបករណ៍ដូចគ្នា ឱ្យធ្វើម្ដងទៀតក្នុងរយៈពេលមួយ (ឧ. ២ សប្ដាហ៍)
- វាយតម្លៃ ភាពស្ថិតស្ថេរតាមពេលវេលា
- ត្រូវការគំនិតដែលមានស្ថេរភាពធម្មជាតិ (មិនសមសម្រាប់គំនិតប្រែប្រួលលឿន ដូចជាអារម្មណ៍)
ភាពស៊ីគ្នារវាងអ្នកវាយតម្លៃ (Inter-rater)
- អ្នកវាយតម្លៃ/អ្នកសម្ភាសន៍ច្រើននាក់ វាយតម្លៃករណីដូចគ្នា
- វាយតម្លៃ ភាពស្របគ្នារវាងមនុស្ស
- វាស់ដោយ Cohen’s kappa (ចំណាត់ថ្នាក់) ឬ ICC (លេខបន្ត)
ភាពស៊ីគ្នាខាងក្នុង (Internal Consistency)
- ធាតុសំណួរច្រើនក្នុងកម្រងសំណួរតែមួយ ត្រូវវាសគំនិតដូចគ្នា
- វាស់ដោយ Cronbach’s alpha (Cronbach, ១៩៥១)
- ត្រូវការសំណួរច្រើន (≥៣) វាសគំនិតតែមួយ
ភាពជឿជាក់ពាក់កណ្ដាលតេស្ត (Split-Half)
- ចែកធាតុសំណួរជាពីរពាក់កណ្ដាល ហើយប្រៀបធៀបពិន្ទុ
- ត្រូវកែតម្រូវដោយរូបមន្ត Spearman-Brown (ព្រោះពាក់កណ្ដាលតេស្តខ្លីជាងពេញ)
- ប្រើតិចជាងបច្ចុប្បន្ន ដោយ alpha ធ្វើការងារស្រដៀងគ្នា ប៉ុន្តែទូលំទូលាយជាង
📐 រូបមន្ត Cronbach’s Alpha
α = (k / (k−1)) × [1 − (Σσᵢ² / σ_total²)]
k = ចំនួនធាតុសំណួរក្នុងឧបករណ៍
Σσᵢ² = ផលបូកនៃប្រែប្រួលរបស់ធាតុសំណួរនីមួយៗ
σ_total² = ប្រែប្រួលនៃពិន្ទុសរុប (ផលបូកធាតុទាំងអស់)
📍 ជំហានគណនា៖ ឧបករណ៍វាស់ «ការចូលរួមរបស់ឪពុកម្ដាយក្នុងការសិក្សារបស់កូន» (៤ ធាតុ)
ឧបករណ៍មួយមាន ៤ ធាតុសំណួរ (k=៤) ប្រែប្រួលធាតុនីមួយៗគឺ ១.២, ១.៥, ១.០, និង ១.៣ (Σσᵢ² = ៥.០) ចំណែកប្រែប្រួលពិន្ទុសរុបគឺ ១៦.០៖
α = (4/3) × [1 − (5.0/16.0)] = 1.333 × 0.6875 ≈ 0.92
លទ្ធផល α ≈ ០.៩២ បង្ហាញភាពស៊ីគ្នាខាងក្នុងខ្ពស់ណាស់ — ជាទូទៅ α ≥ ០.៧០ ចាត់ទុកថាគ្រប់គ្រាន់សម្រាប់ការស្រាវជ្រាវ ≥ ០.៨០ ល្អ និង ≥ ០.៩០ ល្អប្រសើរ (ប៉ុន្តែ α ខ្ពស់ពេក ≥ ០.៩៥ អាចបង្ហាញថាធាតុសំណួរដូចគ្នាពេក ឬច្រើនពេក — ត្រូវពិចារណាកាត់ចន្លោះ)។
📍 ឧទាហរណ៍ទី ២៖ ភាពជឿជាក់ធ្វើតេស្តម្ដងទៀត សម្រាប់ឧបករណ៍ស្ទង់មតិសុខភាពផ្លូវចិត្តនៅប្រទេសអេហ្ស៊ីប
ក្រុមស្រាវជ្រាវនៅទីក្រុង Cairo ប្រទេសអេហ្ស៊ីប បកប្រែកម្រងសំណួរវាស់ភាពថប់បារម្ភទូទៅ (GAD-7) ទៅជាភាសាអារ៉ាប់ ហើយធ្វើតេស្តម្ដងទៀតលើអ្នកចូលរួមដូចគ្នា ៨០ នាក់ ក្នុងចន្លោះ ២ សប្ដាហ៍ (ដែលមិនខ្លីពេកដែលចាំចម្លើយ ហើយមិនយូរពេកដែលស្ថានភាពពិតអាចផ្លាស់ប្ដូរ)។ ទំនាក់ទំនងរវាងលើកទី ១ និងលើកទី ២ (intraclass correlation coefficient) គឺ ០.៨៤ — បង្ហាញភាពស្ថិតស្ថេរខ្ពស់តាមពេលវេលា។ ប្រការសំខាន់៖ ក្រុមស្រាវជ្រាវក៏រាយការណ៍ Cronbach’s alpha ផងដែរ (០.៨៨ សម្រាប់លើកទី ១) ព្រោះភាពជឿជាក់ពីរប្រភេទនេះវាយតម្លៃរឿងផ្សេងគ្នា — ភាពស្ថិតស្ថេរតាមពេលវេលា ទល់នឹង ភាពស៊ីគ្នារវាងធាតុសំណួរ — ហើយការរាយការណ៍តែមួយមិនគ្រប់គ្រាន់ដើម្បីអះអាងថាឧបករណ៍ «ជឿជាក់ទាំងស្រុង»។
០៩ · ទំនុកចិត្តគុណភាពក្របខ័ណ្ឌទំនុកចិត្ត (Trustworthiness) របស់ Lincoln & Guba
ក្នុងសៀវភៅ Naturalistic Inquiry (១៩៨៥) Yvonna Lincoln និង Egon Guba អះអាងថា លក្ខណៈវិនិច្ឆ័យសុពលភាព/ភាពជឿជាក់បែបបរិមាណ មិនសមនឹងទស្សនវិជ្ជានៃការស្រាវជ្រាវគុណភាពទេ ព្រោះវាសន្មតថាមាន «ការពិតតែមួយ» ដែលអាចស្វែងរកដោយគោលបំណង ខណៈការស្រាវជ្រាវគុណភាពភាគច្រើនទទួលស្គាល់ការពិតច្រើន ដែលសាងសង់ដោយអ្នកចូលរួម។ ពួកគេស្នើក្របខ័ណ្ឌថ្មីចំនួន ៤ លក្ខណៈវិនិច្ឆ័យ ដែលស៊ីគ្នាទៅនឹងសុពលភាព/ភាពជឿជាក់បែបបរិមាណ ប៉ុន្តែកែសម្រួលតាមទស្សនវិជ្ជា៖
| លក្ខណៈវិនិច្ឆ័យគុណភាព | ស្រដៀងនឹង (បរិមាណ) | សំណួរស្នូល |
|---|---|---|
| ភាពគួរជឿ (Credibility) | សុពលភាពខាងក្នុង | តើការបកស្រាយឆ្លុះបញ្ចាំងបទពិសោធន៍ពិតរបស់អ្នកចូលរួមដែរឬទេ? |
| ភាពអាចផ្ទេរ (Transferability) | សុពលភាពខាងក្រៅ | តើអ្នកអានអាចវិនិច្ឆ័យថាលទ្ធផលផ្ទេរទៅបរិបទរបស់ពួកគេបានដែរឬទេ? |
| ភាពអាចទុកចិត្ត (Dependability) | ភាពជឿជាក់ | តើដំណើរការស្រាវជ្រាវស្របគ្នា និងអាចតាមដានបានដែរឬទេ? |
| ភាពអាចបញ្ជាក់ (Confirmability) | ភាពអព្យាក្រឹតភាព (objectivity) | តើការបកស្រាយកើតចេញពីទិន្នន័យ មិនមែនពីលម្អៀងអ្នកស្រាវជ្រាវតែម្យ៉ាងដែរឬទេ? |
លក្ខណៈវិនិច្ឆ័យនីមួយៗមានបច្ចេកទេសជាក់ស្ដែងផ្ទាល់ខ្លួន ដែល Shenton (២០០៤) និងអ្នកនិពន្ធក្រោយៗសង្ខេបយ៉ាងមានប្រយោជន៍៖
📍 ឧទាហរណ៍៖ ការធានាភាពគួរជឿក្នុងការសិក្សាជនជាតិភាគតិច (ethnography) នៅប្រទេសវៀតណាម
និស្សិតបណ្ឌិតម្នាក់ ធ្វើការសិក្សាជនជាតិភាគតិច ៨ ខែ ជាមួយសហគមន៍កសិករនៅខេត្ត Lào Cai ភាគខាងជើងប្រទេសវៀតណាម ដើម្បីយល់ពីការសម្របខ្លួនចំពោះការប្រែប្រួលអាកាសធាតុ។ ដើម្បីធានាភាពគួរជឿ គាត់ប្រើ ត្រីកោណកម្មវិធីសាស្ត្រ (សម្ភាសន៍ ៤៥ ដង + ការសង្កេតចូលរួម + ឯកសាររដ្ឋបាលមូលដ្ឋាន) និង ការត្រួតពិនិត្យដោយអ្នកចូលរួម ដោយត្រឡប់ទៅបង្ហាញសេចក្ដីសង្ខេបលទ្ធផលដំបូងដល់អ្នកដឹកនាំសហគមន៍ ៦ នាក់ រយៈពេល ៣ ខែក្រោយការប្រមូលទិន្នន័យ។ ដំណើរការនេះនាំឱ្យកែសម្រួលការបកស្រាយមួយចំណុច — អ្នកដឹកនាំសហគមន៍ពន្យល់ថាអ្វីដែលគាត់បកស្រាយដំបូងជា «ការបដិសេធបច្ចេកវិទ្យាថ្មី» តាមពិតជា «ការផ្ដល់អាទិភាពទៅសន្ទស្សន៍ហានិភ័យ» ដែលជាចេតនាខុសគ្នា — ជាឧទាហរណ៍ច្បាស់លាស់អំពីរបៀបដែលការត្រួតពិនិត្យដោយអ្នកចូលរួមពង្រឹងភាពគួរជឿជាក់ស្ដែង មិនមែនគ្រាន់តែជាទម្រង់បែបបទ។
១០ · តារាងប្រៀបធៀបតារាងប្រៀបធៀបពេញលេញ៖ បរិមាណ ទល់នឹង គុណភាព
តារាងខាងក្រោមដាក់គំនិតទាំងអស់ក្នុងមេរៀននេះឱ្យនៅជាមួយគ្នា ដើម្បីងាយស្រួលយោង៖
| សំណួរកណ្ដាល | បរិមាណ (Quantitative) | គុណភាព (Qualitative) |
|---|---|---|
| តើការវាស់វែងឆ្លុះបញ្ចាំងគំនិតត្រឹមត្រូវទេ? | សុពលភាពគំនិត (Construct) | ភាពគួរជឿ — ផ្នែកនៃការកំណត់គំនិត (coding/category fit) |
| តើការសន្និដ្ឋានមូលហេតុត្រឹមត្រូវទេ? | សុពលភាពខាងក្នុង (Internal) | ភាពគួរជឿ — ត្រីកោណកម្ម ការត្រួតពិនិត្យដោយអ្នកចូលរួម |
| តើលទ្ធផលអនុវត្តលើកន្លែងផ្សេងទេ? | សុពលភាពខាងក្រៅ (External / Generalizability) | ភាពអាចផ្ទេរ (Transferability — អ្នកអានវិនិច្ឆ័យ មិនមែនអ្នកនិពន្ធអះអាង) |
| តើការវិភាគគាំទ្រការសន្និដ្ឋានទេ? | សុពលភាពសន្និដ្ឋានស្ថិតិ | ភាពអាចទុកចិត្ត — ភាពស្របគ្នានៃការវិភាគ (coding consistency) |
| តើលទ្ធផលស្ថិតស្ថេរទេ? | ភាពជឿជាក់ (Test-retest, Alpha, Inter-rater) | ភាពអាចទុកចិត្ត (Dependability — ផ្លាកដាន់ត្រួតពិនិត្យ) |
| តើលទ្ធផលមកពីទិន្នន័យ មិនមែនលម្អៀងទេ? | (ភាគច្រើនបញ្ចូលក្នុងសុពលភាពខាងក្នុង/ឧបករណ៍) | ភាពអាចបញ្ជាក់ (Confirmability — ការឆ្លុះបញ្ចាំងខ្លួនឯង) |
📌 ការផ្គូផ្គងនេះមិនមែនជាការបំលែងម៉ាស៊ីនស្វ័យប្រវត្តិទេ — គំនិតនីមួយៗមានទស្សនវិជ្ជា និងបច្ចេកទេសផ្ទាល់ខ្លួន។ តារាងនេះមានប្រយោជន៍ជាចុចសម្រាប់ទំនាក់ទំនងគំនិត កុំប្រើជំនួសការយល់ដឹងពិតនៃគំនិតនីមួយៗ។
១១ · ករណីសិក្សាករណីសិក្សាមួយ វិភាគពីមុំទាំងពីរ
ឧបមាថាគម្រោងស្រាវជ្រាវវិធីចម្រុះមួយ (មេរៀនទី ០៨) ត្រួតពិនិត្យថាតើកម្មវិធីបង្ហាត់គ្រូបង្រៀនថ្មី (ការបង្រៀនបែបសកម្ម) ធ្វើឱ្យប្រសើរឡើងនូវការចូលរួមរបស់សិស្សនៅប្រទេសកាណា។ ដំណាក់កាលបរិមាណវាស់ពិន្ទុវត្តមាន/ការចូលរួមតាមកម្រងសំណួរ ឆ្លងកាត់សាលា ៤០ កន្លែង; ដំណាក់កាលគុណភាពសម្ភាសន៍ជម្រៅគ្រូបង្រៀន ១៥ នាក់។
មុំបរិមាណ — ត្រូវពិនិត្យ
- សុពលភាពគំនិត៖ តើកម្រងសំណួរ «ការចូលរួម» វាសការចូលរួមពិត ឬគ្រាន់តែវត្តមានរាងកាយ?
- សុពលភាពខាងក្នុង៖ សាលាដែលជ្រើសចូលរួមកម្មវិធីស្ម័គ្រចិត្ត — ការជ្រើសរើស (selection) ជាការគំរាមកំហែងសំខាន់
- ភាពជឿជាក់៖ អ្នកសង្កេតកំណត់ពិន្ទុវត្តមានខុសគ្នាដែរឬទេ (inter-rater)?
មុំគុណភាព — ត្រូវពិនិត្យ
- ភាពគួរជឿ៖ តើគ្រូបង្រៀន ១៥ នាក់ តំណាងទស្សនៈចម្រុះគ្រប់គ្រាន់ (មិនមែនគ្រាន់តែអ្នកគាំទ្រកម្មវិធី)?
- ភាពអាចផ្ទេរ៖ តើការពិពណ៌នាបរិបទសាលា (ធនធាន ទំហំថ្នាក់) គ្រប់គ្រាន់ ឱ្យអ្នកអានវិនិច្ឆ័យការផ្ទេរបាន?
- ភាពអាចទុកចិត្ត៖ តើមានផ្លាកដាន់ត្រួតពិនិត្យ នៃការសម្រេចចិត្តកំណត់ប្រធានបទ (coding)?
ចំណុចសំខាន់ដែលការសិក្សាវិធីចម្រុះបង្ហាញឱ្យឃើញច្បាស់៖ ភាពខ្សោយរបស់មុំមួយ អាចជួយកែលម្អមុំមួយទៀត។ ប្រសិនបើទិន្នន័យបរិមាណបង្ហាញភាពខុសគ្នាដែលគ្មានន័យស្ថិតិ (អាចដោយសារកម្លាំងស្ថិតិទាប — សុពលភាពសន្និដ្ឋានស្ថិតិ) ប៉ុន្តែទិន្នន័យគុណភាពបង្ហាញគ្រូទាំងអស់រាយការណ៍ពីការផ្លាស់ប្ដូរអាកប្បកិរិយាសិស្សច្បាស់លាស់ (ភាពគួរជឿខ្លាំង ដោយសារត្រីកោណកម្មរវាងគ្រូ ១៥ នាក់) ការបញ្ចូលគ្នានេះផ្ដល់ភស្តុតាងរឹងមាំជាងលទ្ធផលតែម្ខាង — ជាគុណសម្បត្តិស្នូលនៃការស្រាវជ្រាវវិធីចម្រុះ។
១២ · អាទិភាពមគ្គុទេសក៍៖ តើត្រូវផ្ដោតលើការគំរាមកំហែងមួយណាមុន?
សូមសរសេរចម្លើយរបស់អ្នកចុះលើក្រដាស មុននឹងអានផ្នែកបន្ទាប់។
សំណួរទី ១៖ តើការសិក្សារបស់អ្នកជាបរិមាណ គុណភាព ឬវិធីចម្រុះ?
បរិមាណ → ផ្ដោតលើសុពលភាពគំនិត → ខាងក្នុង → ខាងក្រៅ → សន្និដ្ឋានស្ថិតិ (លំដាប់នេះ)។ គុណភាព → ផ្ដោតលើភាពគួរជឿមុនគេ។ វិធីចម្រុះ → ពិនិត្យទាំងពីរក្របខ័ណ្ឌដោយឡែក (មើលផ្នែក ១១)។
សំណួរទី ២៖ (បរិមាណ) តើការរចនាជាពិសោធន៍ ឬការសិក្សាសង្កេត?
ពិសោធន៍ (មានចែកចៃដន្យ) → ការគំរាមកំហែងសុពលភាពខាងក្នុងច្រើនត្រូវបានគ្រប់គ្រងរួចស្រាប់ — ផ្ដោតលើការបាត់បង់ និងការសាយភាយ។ សង្កេត → ត្រូវពិនិត្យការជ្រើសរើស ប្រវត្តិសាស្ត្រ និងការលូតលាស់ដោយប្រុងប្រយ័ត្នបំផុត (មេរៀនទី ០៦)។
សំណួរទី ៣៖ តើឧបករណ៍វាស់ជាកម្រងសំណួរដែលមានធាតុច្រើន ឬការសម្ភាសន៍/ការសង្កេត?
កម្រងសំណួរ → គណនា Cronbach’s alpha ជាអប្បបរមា បន្ថែម inter-rater ប្រសិនបើមានអ្នកវាយតម្លៃច្រើននាក់។ សម្ភាសន៍/ការសង្កេត → ត្រូវការ inter-rater/inter-coder reliability ប្រសិនបើអ្នកវិភាគច្រើននាក់។
សំណួរទី ៤៖ តើអ្នកនឹងអះអាងថាលទ្ធផលអនុវត្តលើគ្រប់គ្នាដែរឬទេ?
បាទ/ចាស → ត្រូវការសុពលភាពខាងក្រៅ/ភាពអាចផ្ទេរខ្លាំង ជាមួយសំណាកតំណាង ឬការពន្យល់បរិបទលម្អិត។ ទេ ចំកំណត់បរិបទជាក់លាក់ → ចំណាយកម្លាំងលើសុពលភាពខាងក្នុង/ភាពគួរជឿជំនួស។
ជំហានចុងក្រោយ៖ ភ្ជាប់ការគំរាមកំហែងទៅនឹងដែនកំណត់ក្នុងនិក្ខេបបទ
ទោះជ្រើសអាទិភាពណាក៏ដោយ ត្រូវសរសេរផ្នែកដែនកំណត់ ដែលទទួលស្គាល់ការគំរាមកំហែងសំខាន់ដែលមិនអាចគ្រប់គ្រងបានពេញលេញ និងពន្យល់ហេតុអ្វីវាមិនបន្ថយតម្លៃលទ្ធផលសន្និដ្ឋានសំខាន់។
១៣ · ការសរសេររបៀបសរសេរផ្នែក «សុពលភាព និងភាពជឿជាក់» ក្នុងនិក្ខេបបទ
ផ្នែកនេះជាធម្មតាមានទីតាំងនៅចុងជំពូកវិធីសាស្ត្រ បន្ទាប់ពីការរចនា ការគំរូ និងឧបករណ៍ប្រមូលទិន្នន័យ។
📝 គំរូ ៥ ជំហាន
ជំហានទី ១ ប្រកាសប្រភេទសុពលភាព/ភាពជឿជាក់ដែលពាក់ព័ន្ធបំផុតចំពោះការរចនារបស់អ្នក (មិនចាំបាច់ចាក់ទាំងអស់ ប្រសិនបើមិនពាក់ព័ន្ធ)។
ជំហានទី ២ សម្រាប់ឧបករណ៍វាស់៖ រាយការណ៍ភាពជឿជាក់ជាលេខ (alpha ឬ ICC) ជាមួយចន្លោះទំនុកចិត្ត ប្រសិនបើអាចធ្វើទៅបាន។
ជំហានទី ៣ ពន្យល់ជំហានជាក់ស្ដែងដែលអ្នកធ្វើដើម្បីគាំទ្រសុពលភាព (ឧ. ត្រីកោណកម្ម ការត្រួតពិនិត្យអ្នកជំនាញ ការសាកល្បងមុន pilot test)។
ជំហានទី ៤ ទទួលស្គាល់ការគំរាមកំហែងសំខាន់ដែលមិនអាចគ្រប់គ្រងបានពេញលេញ និងពន្យល់មូលហេតុ។
ជំហានទី ៥ ភ្ជាប់ត្រឡប់ទៅនឹងសំណួរស្រាវជ្រាវ — ហេតុអ្វីកម្រិតសុពលភាព/ភាពជឿជាក់នេះគ្រប់គ្រាន់ (ឬមិនគ្រប់គ្រាន់) សម្រាប់ការអះអាងដែលអ្នកធ្វើ។
កថាខណ្ឌគំរូ (ភាសាអង់គ្លេស) — ការធានាភាពគួរជឿក្នុងការសិក្សាគុណភាព
កុំចម្លងទាំងស្រុង — ត្រូវសរសេរឡើងវិញតាមការសិក្សារបស់អ្នក។
MODEL PARAGRAPH · CREDIBILITY, QUALITATIVE STRAND
To establish the credibility of findings, three strategies were employed. First, data triangulation combined semi-structured interviews (n = 22), participant observation field notes, and relevant institutional documents, allowing convergence of evidence across sources to be examined. Second, member checking was conducted by returning summary interpretations to eight participants approximately six weeks after data collection; minor clarifications were incorporated, and no substantive disagreements with the researcher’s interpretation were raised. Third, peer debriefing sessions were held monthly with two colleagues external to the study, who reviewed emerging codes and challenged interpretations that appeared to rely on a single data source. An audit trail documenting coding decisions, memo development, and changes to the coding frame was maintained throughout to support the dependability and confirmability of the analysis.
ហេតុអ្វីកថាខណ្ឌនេះល្អ? (១) រាយបច្ចេកទេសជាក់ស្ដែង មិនមែនគ្រាន់តែនិយាយឈ្មោះលក្ខណៈវិនិច្ឆ័យទេ។ (២) រាយលេខច្បាស់ (n=២២, ៨ នាក់, ៦ សប្ដាហ៍)។ (៣) រាយការណ៍ទាំងលទ្ធផលគាំទ្រ និងដែនកំណត់ («គ្មានការខ្វែងគំនិតសំខាន់» មិនមែននិយាយលើសលប់)។ (៤) ភ្ជាប់ទៅភាពអាចទុកចិត្ត/ភាពអាចបញ្ជាក់ តាមរយៈផ្លាកដាន់ត្រួតពិនិត្យ។
១៤ · ជៀសវាងកំហុស ៨ យ៉ាងដែលគណៈកម្មការឃើញញឹកញាប់
ច្រឡំសុពលភាព ជាមួយភាពជឿជាក់
អះអាងថាឧបករណ៍ «សុពលភាព» ដោយផ្អែកតែលើ Cronbach’s alpha ខ្លាំង។ ដំណោះស្រាយ៖ រាយការណ៍ទាំងពីរដោយឡែកពីគ្នា ជាមួយភស្តុតាងសម្រាប់នីមួយៗ។
រាយការណ៍ alpha តែមួយ ដោយគ្មានបរិបទ
សរសេរ «α = ០.៨៥» ដោយគ្មានចំនួនធាតុសំណួរ ឬគំនិតដែលវាស់។ ដំណោះស្រាយ៖ រាយ k (ចំនួនធាតុ) ទំហំសំណាក និងគំនិតដែលវាស់ជាមួយលេខ alpha។
ភ្លេចពិនិត្យការគំរាមកំហែងសុពលភាពខាងក្នុង ក្នុងការសិក្សាសង្កេត
សន្និដ្ឋានមូលហេតុ ពីការប្រៀបធៀបមុន-ក្រោយដោយគ្មានក្រុមប្រៀបធៀប។ ដំណោះស្រាយ៖ ប្រើឆកាំត្រួតពិនិត្យការគំរាមកំហែង ៨ ជានិច្ច មុននឹងអះអាងមូលហេតុ (មើលផ្នែក ០៥)។
អះអាងថាភាពអាចផ្ទេរ ជារបស់អ្នកនិពន្ធ មិនមែនអ្នកអាន
សរសេរថា «លទ្ធផលនេះអាចផ្ទេរទៅគ្រប់សាលានៅប្រទេស» ដោយគ្មានភស្តុតាង។ ដំណោះស្រាយ៖ ផ្ដល់ការពិពណ៌នាបរិបទដ៏ក្រាស់ ហើយទុកឱ្យអ្នកអានជាអ្នកវិនិច្ឆ័យការផ្ទេរ។
ប្រើលក្ខណៈវិនិច្ឆ័យបរិមាណ ដើម្បីរិះគន់ការសិក្សាគុណភាព
និយាយថាការសិក្សាគុណភាព «មិនសុពលភាព» ព្រោះសំណាកតូច ឬគ្មានចន្លោះទំនុកចិត្តតាមស្ថិតិ។ ដំណោះស្រាយ៖ ប្រើក្របខ័ណ្ឌទំនុកចិត្តដ៏សមស្របនឹងទស្សនវិជ្ជារបស់ការសិក្សានោះ (មើលផ្នែក ០៩)។
ធ្វើតេស្តស្ថិតិច្រើនដង ដោយគ្មានកែតម្រូវ
ធ្វើតេស្តសម្មតិកម្មច្រើនលើកលើសំណុំទិន្នន័យតែមួយ ហើយរាយការណ៍តែលទ្ធផលមានន័យស្ថិតិ។ ដំណោះស្រាយ៖ ចុះឈ្មោះគម្រោងជាមុន ឬកែតម្រូវ alpha (ឧ. Bonferroni) និងរាយការណ៍តេស្តទាំងអស់។
លុបបំបាត់ទិន្នន័យចំលែក ដោយគ្មានហេតុផលច្បាស់លាស់
ដកចេញចំណុចទិន្នន័យ «ចំលែក» ដោយគ្មានលក្ខខណ្ឌជាមុន ដើម្បីធ្វើឱ្យលទ្ធផលស្អាតជាង។ ដំណោះស្រាយ៖ កំណត់លក្ខខណ្ឌចំលែកជាមុន (pre-specify) ហើយរាយការណ៍ទាំងលទ្ធផលមាន/គ្មានចំណុចនោះ។
ភាន់ច្រឡំការបកប្រែកម្រងសំណួរ ថាជារឿងងាយ
បកប្រែកម្រងសំណួរដោយផ្ទាល់ ដោយគ្មានតេស្តសុពលភាពឡើងវិញក្នុងភាសា/វប្បធម៌ថ្មី។ ដំណោះស្រាយ៖ ប្រើការបកប្រែត្រឡប់ក្រោយ (back-translation) និងសាកល្បងមុន pilot test ជាមួយប្រជាជនគោលដៅ (មើលមេរៀនទី ១១)។
១៥ · ការការពារនិក្ខេបបទសំណួរ ៦ ដែលគណៈកម្មការតែងតែសួរ — និងរបៀបឆ្លើយ
«តើភាពជឿជាក់ Cronbach’s alpha របស់អ្នកមានន័យថាឧបករណ៍សុពលភាពដែរឬទេ?»
គន្លឹះឆ្លើយ៖ ទេ — បញ្ជាក់ថាភាពជឿជាក់ជាលក្ខខណ្ឌចាំបាច់ ប៉ុន្តែមិនគ្រប់គ្រាន់ ហើយបង្ហាញភស្តុតាងសុពលភាពគំនិតដែលអ្នកប្រមូលបន្ថែម (សុពលភាពសមាហរណ៍/បែកគ្នា)។
«ហេតុអ្វីអ្នកមិនបានប្រើការចែកចៃដន្យ ខណៈសុពលភាពខាងក្នុងសំខាន់ដូច្នេះ?»
គន្លឹះឆ្លើយ៖ ពន្យល់ហេតុផលជាក់ស្ដែង/សីលធម៌ ហើយបង្ហាញឆកាំត្រួតពិនិត្យការគំរាមកំហែង ៨ ដែលអ្នកបានពិចារណា និងវិធីកាត់បន្ថយវានីមួយៗ។
«តើលទ្ធផលសិក្សាគុណភាពរបស់អ្នក អាចផ្ទេរទៅប្រជាជនផ្សេងដែរឬទេ?»
គន្លឹះឆ្លើយ៖ បកស្រាយថាភាពអាចផ្ទេរជាការសម្រេចចិត្តរបស់អ្នកអាន មិនមែនការអះអាងរបស់អ្នកនិពន្ធ ហើយបង្ហាញថាការពិពណ៌នាបរិបទដ៏ក្រាស់របស់អ្នកគ្រប់គ្រាន់ដើម្បីជួយវិនិច្ឆ័យនោះ។
«តើអ្នកធ្វើតេស្តស្ថិតិប៉ុន្មានដង ហើយកែតម្រូវយ៉ាងដូចម្ដេច?»
គន្លឹះឆ្លើយ៖ រាយចំនួនតេស្តទាំងអស់ (មិនត្រឹមតែលទ្ធផលមានន័យស្ថិតិ) និងវិធីកែតម្រូវ ឬបញ្ជាក់ថាជាការវិភាគស្វែងរក (exploratory) ដែលទាមទារការផ្ទៀងផ្ទាត់ម្ដងទៀត។
«តើអ្នកធានាបាននូវការបកស្រាយរបស់អ្នក មិនមែនជាលម្អៀងផ្ទាល់ខ្លួនដោយរបៀបណា?»
គន្លឹះឆ្លើយ៖ ពន្យល់ការអនុវត្តភាពអាចបញ្ជាក់ (ការឆ្លុះបញ្ចាំងខ្លួនឯង ផ្លាកដាន់ត្រួតពិនិត្យ ការពិភាក្សាជាមួយមិត្តរួមការងារ) និងបង្ហាញឧទាហរណ៍ជាក់ស្ដែងមួយ។
«ហេតុអ្វីអ្នកជ្រើសបកប្រែកម្រងសំណួរនេះ ជាជាងបង្កើតថ្មី?»
គន្លឹះឆ្លើយ៖ ពន្យល់ហេតុផល (ឧបករណ៍មានស្រាប់ដែលផ្ទៀងផ្ទាត់រួច) ហើយបង្ហាញជំហានធានាសុពលភាពក្នុងបរិបទថ្មី (ការបកប្រែត្រឡប់ក្រោយ សាកល្បងមុន ការធ្វើតេស្តសុពលភាពគំនិតឡើងវិញ)។
១៦ · ប្រវត្តិពី Spearman ដល់ Lincoln & Guba៖ ពេលវេលាសំខាន់ៗ
គំនិតសុពលភាព/ភាពជឿជាក់ដូចដែលបង្រៀនសព្វថ្ងៃ មានឫសគល់ពីចិត្តសាស្ត្រវាស់ (psychometrics) ដើមសតវត្សរ៍ទី ២០ ហើយវិវត្តន៍ជាបន្តបន្ទាប់ឆ្លងកាត់ការជជែកដេញដោលធំៗពីរ៖ ការជជែកអំពីការពិសោធន៍សង្គមក្នុងទសវត្សរ៍ ១៩៦០ និងការជជែកអំពីទស្សនវិជ្ជាស្រាវជ្រាវគុណភាពក្នុងទសវត្សរ៍ ១៩៨០។
Charles Spearman បោះពុម្ពទ្រឹស្ដីកំហុសវាស់ដើម ដែលជាគ្រឹះនៃចិត្តសាស្ត្រវាស់ (psychometrics) និងគំនិតភាពជឿជាក់។
Kuder & Richardson ស្នើរូបមន្ត KR-20 សម្រាប់វាស់ភាពស៊ីគ្នាខាងក្នុង ជាដំណាក់កាលមុន Cronbach’s alpha។
Lee Cronbach បោះពុម្ពអត្ថបទ «Coefficient Alpha and the Internal Structure of Tests» ក្នុងទស្សនាវដ្ដី Psychometrika ដែលក្លាយជារូបមន្តភាពជឿជាក់ប្រើច្រើនបំផុតពិភពលោក។
Campbell & Fiske ណែនាំវិធីម៉ាទ្រីស multitrait-multimethod សម្រាប់វាយតម្លៃសុពលភាពសមាហរណ៍ និងបែកគ្នា។
Donald Campbell & Julian Stanley បោះពុម្ព Experimental and Quasi-Experimental Designs for Research ដែលបែងចែកសុពលភាពខាងក្នុង/ខាងក្រៅ និងកំណត់ការគំរាមកំហែង ៨។
Cook & Campbell បន្ថែមប្រភេទទី ៤ «សុពលភាពសន្និដ្ឋានស្ថិតិ» និងបញ្ជាក់ប្រភេទទី ៣ «សុពលភាពគំនិត» ជាផ្លូវការ។
Yvonna Lincoln & Egon Guba បោះពុម្ព Naturalistic Inquiry ណែនាំក្របខ័ណ្ឌទំនុកចិត្ត ៤ (ភាពគួរជឿ ភាពអាចផ្ទេរ ភាពអាចទុកចិត្ត ភាពអាចបញ្ជាក់) ជំនួសសុពលភាព/ភាពជឿជាក់សម្រាប់ការសិក្សាគុណភាព។
Guba & Lincoln បន្ថែមលក្ខណៈវិនិច្ឆ័យទី ៥ «ភាពត្រឹមត្រូវ (authenticity)» ក្នុងសៀវភៅ Fourth Generation Evaluation។
Shadish, Cook & Campbell បោះពុម្ពលើកទី ៣ ពង្រីកការគំរាមកំហែងសុពលភាពខាងក្នុង និងខាងក្រៅបន្ថែម សម្រាប់ការសិក្សាសង្គមវិទ្យាសាស្ត្រសម័យទំនើប។
Andrew Shenton បោះពុម្ពអត្ថបទសង្ខេបបច្ចេកទេសជាក់ស្ដែងសម្រាប់ធានាលក្ខណៈវិនិច្ឆ័យទំនុកចិត្តទាំង ៤ របស់ Lincoln & Guba ដែលក្លាយជាឯកសារយោងសិក្សាសំខាន់។
១៧ · តេស្តខ្លួនឯងសំណួរត្រួតពិនិត្យការយល់ដឹង (ចុចដើម្បីមើលចម្លើយ)
១. ជញ្ជីងមួយបង្ហាញ ៥៨ គីឡូក្រាមជានិច្ច សម្រាប់មនុស្សម្នាក់ដែលមានទម្ងន់ពិត ៦០ គីឡូក្រាម។ តើនេះជាបញ្ហាភាពជឿជាក់ ឬសុពលភាព?
ចម្លើយ៖ សុពលភាព — ជញ្ជីងនេះជឿជាក់ខ្លាំង (លទ្ធផលស្ថិតស្ថេរ) ប៉ុន្តែមិនសុពលភាព (មិនវាសទម្ងន់ពិត)។
២. ឧបករណ៍មួយមាន Cronbach’s alpha = ០.៩៨។ តើនេះជានិមិត្តរូបល្អជានិច្ចដែរឬទេ?
ចម្លើយ៖ មិនតែងតែទេ — alpha ខ្ពស់ពេក (≥០.៩៥) អាចបង្ហាញថាធាតុសំណួរដូចគ្នាពេក ឬច្រើនពេក (redundancy) ជាជាងគ្រាន់តែជាគុណភាពល្អ។
៣. ការសិក្សាមួយរកឃើញពិន្ទុកើនឡើងក្រោយកម្មវិធី ដោយគ្មានក្រុមប្រៀបធៀប។ តើការគំរាមកំហែងសុពលភាពខាងក្នុងមួយណាសមស្របបំផុតដែលត្រូវលើកឡើង?
ចម្លើយ៖ ការលូតលាស់ (maturation) និងប្រវត្តិសាស្ត្រ (history) — ទាំងពីរអាចពន្យល់កំណើនដោយគ្មានកម្មវិធីក៏ដោយ។
៤. តើសុពលភាពខាងក្រៅខុសពីភាពអាចផ្ទេរ (transferability) យ៉ាងដូចម្ដេចជាគោលការណ៍?
ចម្លើយ៖ សុពលភាពខាងក្រៅជាការអះអាងរបស់អ្នកនិពន្ធផ្អែកលើសំណាកតំណាងតាមស្ថិតិ។ ភាពអាចផ្ទេរជាការវិនិច្ឆ័យរបស់អ្នកអាន ផ្អែកលើការពិពណ៌នាបរិបទដ៏ក្រាស់ — អ្នកនិពន្ធមិនអះអាងថាវាផ្ទេរបានទេ។
៥. ក្រុមស្រាវជ្រាវធ្វើតេស្តស្ថិតិ ៥០ ដងលើសំណុំទិន្នន័យតែមួយ ហើយរាយការណ៍តែ ២ ដែលមានន័យស្ថិតិ។ តើនេះជាបញ្ហាសុពលភាពប្រភេទណា?
ចម្លើយ៖ សុពលភាពសន្និដ្ឋានស្ថិតិ — ហានិភ័យកំហុសប្រភេទទី ១ ដោយសារការធ្វើតេស្តច្រើន (p-hacking) ដោយគ្មានកែតម្រូវ។
៦. តើបច្ចេកទេសមួយណាធានាភាពគួរជឿខ្លាំងបំផុត ក្នុងការសិក្សាជនជាតិភាគតិច?
ចម្លើយ៖ ត្រីកោណកម្ម (triangulation) និងការត្រួតពិនិត្យដោយអ្នកចូលរួម (member checking) — ប្រសិនបើប្រើផ្សំគ្នា។
៧. តើភាពជឿជាក់ប្រភេទណាសមស្របបំផុត សម្រាប់វាយតម្លៃថាអ្នកវាយតម្លៃពីរនាក់ ឱ្យពិន្ទុករណីជំងឺដូចគ្នាដែរឬទេ?
ចម្លើយ៖ ភាពស៊ីគ្នារវាងអ្នកវាយតម្លៃ (Inter-rater reliability — Cohen’s kappa ឬ ICC)។
៨. លំហាត់អនុវត្ត៖ សូមសរសេរប្រយោគមួយ ទទួលស្គាល់ដែនកំណត់សុពលភាពខាងក្នុង សម្រាប់ការសិក្សារបស់អ្នក
ការណែនាំ៖ កំណត់ការគំរាមកំហែងមួយ ឬពីរដែលពាក់ព័ន្ធបំផុត (ឧ. ការជ្រើសរើស ប្រវត្តិសាស្ត្រ) ហើយពន្យល់ហេតុអ្វីវាមិនបន្ថយតម្លៃលទ្ធផលសំខាន់ទាំងស្រុង។
១៨ · វាក្យសព្ទវាក្យសព្ទសំខាន់ ខ្មែរ–អង់គ្លេស
| English | ខ្មែរ | ន័យសង្ខេប |
|---|---|---|
| Validity | សុពលភាព | កម្រិតដែលការវាស់/ការសន្និដ្ឋានត្រឹមត្រូវតាមការអះអាង |
| Reliability | ភាពជឿជាក់ | កម្រិតនៃភាពស្ថិតស្ថេរ/ភាពដូចគ្នានៃលទ្ធផលម្ដងហើយម្ដងទៀត |
| Construct validity | សុពលភាពគំនិត | តើការវាស់ឆ្លុះបញ្ចាំងគំនិតទ្រឹស្ដីដែរឬទេ |
| Internal validity | សុពលភាពខាងក្នុង | តើការអន្តរាគមន៍ពិតជាបង្កផលក្នុងការសិក្សានេះដែរឬទេ |
| External validity | សុពលភាពខាងក្រៅ | តើលទ្ធផលអនុវត្តលើបរិបទផ្សេងដែរឬទេ |
| Statistical conclusion validity | សុពលភាពសន្និដ្ឋានស្ថិតិ | តើការវិភាគស្ថិតិគាំទ្រការសន្និដ្ឋានដែរឬទេ |
| Internal consistency | ភាពស៊ីគ្នាខាងក្នុង | ភាពស៊ីគ្នារវាងធាតុសំណួរក្នុងឧបករណ៍តែមួយ |
| Test-retest reliability | ភាពជឿជាក់ធ្វើតេស្តម្ដងទៀត | ភាពស្ថិតស្ថេរតាមពេលវេលា |
| Inter-rater reliability | ភាពស៊ីគ្នារវាងអ្នកវាយតម្លៃ | ភាពស្របគ្នារវាងអ្នកវាយតម្លៃច្រើននាក់ |
| Measurement error | កំហុសវាស់ | ភាពខុសគ្នារវាងតម្លៃសង្កេត និងតម្លៃពិត |
| Threats to internal validity | ការគំរាមកំហែងសុពលភាពខាងក្នុង | ការពន្យល់ជំនួសចំពោះលទ្ធផល (ប្រវត្តិសាស្ត្រ ការលូតលាស់ ។ល។) |
| Trustworthiness | ទំនុកចិត្ត | ក្របខ័ណ្ឌគុណភាពជំនួសសុពលភាព/ភាពជឿជាក់ (Lincoln & Guba) |
| Credibility | ភាពគួរជឿ | ស្រដៀងសុពលភាពខាងក្នុង — ភាពឆ្លុះបញ្ចាំងបទពិសោធន៍ពិត |
| Transferability | ភាពអាចផ្ទេរ | ស្រដៀងសុពលភាពខាងក្រៅ — អ្នកអានជាអ្នកវិនិច្ឆ័យ |
| Dependability | ភាពអាចទុកចិត្ត | ស្រដៀងភាពជឿជាក់ — ភាពស្របគ្នានៃដំណើរការ |
| Confirmability | ភាពអាចបញ្ជាក់ | ភាពដែលការបកស្រាយកើតចេញពីទិន្នន័យ មិនមែនលម្អៀង |
| Triangulation | ត្រីកោណកម្ម | ប្រើប្រភព/វិធីសាស្ត្រ/អ្នកវិភាគច្រើន ដើម្បីផ្ទៀងផ្ទាត់គ្នា |
| Member checking | ការត្រួតពិនិត្យដោយអ្នកចូលរួម | ត្រឡប់ទៅបង្ហាញលទ្ធផលដល់អ្នកចូលរួម ដើម្បីផ្ទៀងផ្ទាត់ |
| Thick description | ការពិពណ៌នាបរិបទដ៏ក្រាស់ | ការពិពណ៌នាលម្អិតអំពីបរិបទ ដើម្បីជួយវិនិច្ឆ័យការផ្ទេរ |
| Audit trail | ផ្លាកដាន់ត្រួតពិនិត្យ | កំណត់ត្រាលម្អិតនៃការសម្រេចចិត្តស្រាវជ្រាវ |
| Reflexivity | ការឆ្លុះបញ្ចាំងខ្លួនឯង | ការកត់ត្រាលម្អៀង/ជំហររបស់អ្នកស្រាវជ្រាវផ្ទាល់ខ្លួន |
📌 ពាក្យបច្ចេកទេសខ្មែរមួយចំនួនមិនទាន់មានស្តង់ដារឯកភាពនៅឡើយ។ ក្នុងនិក្ខេបបទជាភាសាខ្មែរ ត្រូវសរសេរពាក្យអង់គ្លេសក្នុងវង់ក្រចកនៅពេលប្រើលើកដំបូង ហើយប្រើពាក្យដដែលឱ្យស៊ីសង្វាក់។
១៩ · អានបន្ថែមឯកសារគួរអាន — ពីមូលដ្ឋានដល់កម្រិតខ្ពស់
📗 អានមុនគេ (សម្រាប់អនុបណ្ឌិត និងបណ្ឌិតឆ្នាំទី ១)
- Creswell & Creswell (២០២៣), Research Design, ជំពូកលើសុពលភាព/ភាពជឿជាក់ — សេចក្ដីណែនាំងាយយល់ ជាមួយឧទាហរណ៍ទាំងបរិមាណ និងគុណភាព។
- Shenton (២០០៤) — អត្ថបទជាក់ស្ដែងងាយអាន អំពីបច្ចេកទេសធានាលក្ខណៈវិនិច្ឆ័យទំនុកចិត្តទាំង ៤។
- Scribbr — Reliability vs Validity guide — អត្ថបទអនឡាញច្បាស់ ជាមួយដ្យាក្រាម សម្រាប់ចាប់ផ្ដើម។
📕 កម្រិតខ្ពស់ (សម្រាប់បណ្ឌិត)
- Shadish, Cook & Campbell (២០០២), Experimental and Quasi-Experimental Designs for Generalized Causal Inference — សៀវភៅគោលសម្រាប់សុពលភាពខាងក្នុង/ខាងក្រៅ និងការគំរាមកំហែង។
- Lincoln & Guba (១៩៨៥), Naturalistic Inquiry — ប្រភពដើមនៃក្របខ័ណ្ឌទំនុកចិត្ត។
- Cronbach (១៩៥១) — អត្ថបទដើមដ៏ល្បីអំពី coefficient alpha។
- Korstjens & Moser (២០១៨) — ស៊េរីអត្ថបទអំពីគុណភាពក្នុងការស្រាវជ្រាវគុណភាព រួមទាំងទំនុកចិត្ត។
- Campbell & Fiske (១៩៥៩) — អត្ថបទដើមនៃវិធីម៉ាទ្រីស multitrait-multimethod។
២០ · FAQសំណួរដែលសួរញឹកញាប់
តើឧបករណ៍ដែលមិនជឿជាក់ អាចមានសុពលភាពបានទេ?
មិនបាន — ប្រសិនបើការវាស់វែងប្រែប្រួលចៃដន្យខ្លាំង (មិនជឿជាក់) វាមិនអាចឆ្លុះបញ្ចាំងគំនិតពិតប្រាកដបានទាំងស្រុងទេ។ ភាពជឿជាក់ជាលក្ខខណ្ឌចាំបាច់ សម្រាប់សុពលភាព។
តើ Cronbach’s alpha ប៉ុន្មានទើបល្អគ្រប់គ្រាន់?
ជាទូទៅ ≥០.៧០ ចាត់ទុកថាគ្រប់គ្រាន់សម្រាប់ការស្រាវជ្រាវ ≥០.៨០ ល្អ ប៉ុន្តែលេខពិតប្រាកដអាស្រ័យលើវិស័យ និងគោលបំណងនៃឧបករណ៍ (ឧបករណ៍គ្លីនិកសម្រាប់ជ្រើសរើសបុគ្គល ត្រូវការ alpha ខ្ពស់ជាងឧបករណ៍ស្រាវជ្រាវ)។
តើការស្រាវជ្រាវគុណភាពត្រូវតែប្រើលក្ខណៈវិនិច្ឆ័យទំនុកចិត្តទាំង ៤ ជានិច្ចទេ?
ក្របខ័ណ្ឌរបស់ Lincoln & Guba ទូទៅបំផុត ប៉ុន្តែប្រពៃណីស្រាវជ្រាវគុណភាពមួយចំនួន (ឧ. grounded theory អត្ថបទដើមរបស់ Glaser & Strauss) ប្រើលក្ខណៈវិនិច្ឆ័យផ្ទាល់ខ្លួន (ឧ. fit, relevance, workability, modifiability)។ ជានិច្ចត្រូវប្រើលក្ខណៈវិនិច្ឆ័យដែលស៊ីគ្នានឹងប្រពៃណីដែលអ្នកធ្វើតាម (មើលមេរៀនទី ០៧)។
តើសុពលភាពខាងក្នុង និងខាងក្រៅ តែងតែដោះដូរគ្នា (trade-off) ដែរឬទេ?
ភាគច្រើនមែន ប៉ុន្តែមិនមែនជានិច្ចទេ — ការសាកល្បងព្យាបាលធម្មជាតិ (pragmatic trials) ដែលធ្វើក្នុងបរិបទជីវិតពិត ជាមួយលក្ខខណ្ឌបញ្ចូល/ដកចេញទូលំទូលាយ អាចសម្រេចសុពលភាពខាងក្នុងសមរម្យ ទាំងសុពលភាពខាងក្រៅខ្លាំងផងដែរ — ប៉ុន្តែទាមទារការរចនាប្រុងប្រយ័ត្នបន្ថែម។
តើភាពអាចផ្ទេរខុសពីការធ្វើទូទៅនីយកម្មតាមស្ថិតិ (statistical generalization) យ៉ាងដូចម្ដេច?
ការធ្វើទូទៅនីយកម្មតាមស្ថិតិអះអាងជាផ្លូវការលើប្រជាជនធំ ដោយផ្អែកលើទ្រឹស្ដីគំរូប្រូបាប៊ីលីតេ (មេរៀនទី ០៩)។ ភាពអាចផ្ទេរមិនមែនជាការអះអាងផ្លូវការទេ — វាជាការវិនិច្ឆ័យឡូជិកដែលអ្នកអានធ្វើដោយខ្លួនឯង ដោយផ្អែកលើភាពស្រដៀងគ្នារវាងបរិបទ។
តើត្រូវរាយការណ៍ Cronbach’s alpha ជាលេខតែមួយសម្រាប់ឧបករណ៍ទាំងមូលដែរឬទេ?
ប្រសិនបើឧបករណ៍មានអនុខ្នាត (subscales) ច្រើន ត្រូវរាយការណ៍ alpha ដោយឡែកសម្រាប់អនុខ្នាតនីមួយៗ ក៏ដូចជាសម្រាប់ខ្នាតទាំងមូល ព្រោះ alpha វាសភាពស៊ីគ្នារបស់ក្រុមធាតុជាក់លាក់ មិនមែនឧបករណ៍ទាំងមូលជានិច្ចទេ ប្រសិនបើអនុខ្នាតវាសគំនិតខុសគ្នា។
២១ · ប្រភពឯកសារយោង និងរូបភាព
- Spearman, C. (1904). The proof and measurement of association between two things. American Journal of Psychology, 15(1), 72–101.
- Kuder, G. F., & Richardson, M. W. (1937). The theory of the estimation of test reliability. Psychometrika, 2(3), 151–160. doi:10.1007/BF02288391
- Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. doi:10.1007/BF02310555
- Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. doi:10.1037/h0046016
- Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.
- Cook, T. D., & Campbell, D. T. (1979). Quasi-Experimentation: Design & Analysis Issues for Field Settings. Houghton Mifflin.
- Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference (2nd ed.). Houghton Mifflin.
- Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. Sage.
- Guba, E. G., & Lincoln, Y. S. (1989). Fourth Generation Evaluation. Sage.
- Shenton, A. K. (2004). Strategies for ensuring trustworthiness in qualitative research projects. Education for Information, 22(2), 63–75.
- Korstjens, I., & Moser, A. (2018). Series: Practical guidance to qualitative research. Part 4: Trustworthiness and publishing. European Journal of General Practice, 24(1), 120–124. doi:10.1080/13814788.2017.1375092
- Nunnally, J. C. (1978). Psychometric Theory (2nd ed.). McGraw-Hill.
- Carmines, E. G., & Zeller, R. A. (1979). Reliability and Validity Assessment. Sage.
- Beck, A. T., Ward, C. H., Mendelson, M., Mock, J., & Erbaugh, J. (1961). An inventory for measuring depression. Archives of General Psychiatry, 4(6), 561–571. doi:10.1001/archpsyc.1961.01710120031004
- Spitzer, R. L., Kroenke, K., Williams, J. B. W., & Löwe, B. (2006). A brief measure for assessing generalized anxiety disorder: The GAD-7. Archives of Internal Medicine, 166(10), 1092–1097. doi:10.1001/archinte.166.10.1092
- Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? Field Methods, 18(1), 59–82. doi:10.1177/1525822X05279903
- Creswell, J. W., & Creswell, J. D. (2023). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (6th ed.). Sage.
- Scribbr — Reliability vs. Validity in Research: Differences, Types and Examples.
📷 ឥណទានរូបភាព
រូបភាពក្នុងអត្ថបទនេះ (ដ្យាក្រាមគោលបាញ់) គឺជារូបភាពនិមិត្តដែលបង្កើតដោយ AI ជាពិសេសសម្រាប់អត្ថបទនេះ ដើម្បីតំណាងគំនិតសុពលភាព ទល់នឹង ភាពជឿជាក់ — មិនមែនរូបថតពិត ឬរូបភាពពីប្រភពដទៃឡើយ។
🎓 អត្ថបទនេះជាឯកសារសិក្សាសម្រាប់ជាជំនួយ។ វាមិនជំនួសការណែនាំរបស់គ្រូណែនាំ ឬបទប្បញ្ញត្តិនិក្ខេបបទរបស់សាកលវិទ្យាល័យអ្នកឡើយ។ រូបមន្តគណនា ករណីសិក្សា និងកថាខណ្ឌគំរូ ត្រូវបានផ្ដល់ជាឧទាហរណ៍បង្ហាញគំនិត — សូមផ្ទៀងផ្ទាត់នឹងកម្មវិធីស្ថិតិ និងគ្រូណែនាំរបស់អ្នកជានិច្ច មុននឹងប្រើក្នុងនិក្ខេបបទពិតប្រាកដ។
🔬 ស៊េរីវិធីសាស្ត្រស្រាវជ្រាវ — ផែនការមេរៀនទាំង ២៤
ស៊េរីនេះរៀបចំសម្រាប់និស្សិតថ្នាក់អនុបណ្ឌិត និងបណ្ឌិត ពីមូលដ្ឋានទស្សនវិជ្ជា រហូតដល់ការបោះពុម្ព និងការការពារនិក្ខេបបទ។ មេរៀនថ្មីនឹងបន្ថែមជាបន្តបន្ទាប់។