ความรู้เกี่ยวกับวิทยาศาสตร์และเทคโนโลยี การวิจัยทางวิทยาศาสตร์ การบริหารจัดการทางวิทยาศาสตร์ในงานป้องกันและบรรเทาสาธารณภัย การวางแผนและจัดทำโครงการ การติดตามและ ประเมินผล การใช้เทคโนโลยีดิจิทัล คอมพิวเตอร์ และอุปกรณ์สำนักงานกรณีฉุกเฉิน พ.ศ.2568

แผนวิเคราะห์ควรกำหนดก่อนดูผลหลัก เพื่อลดการเลือกวิธีที่ทำให้ได้ข้อสรุปถูกใจ ต้องระบุ outcome หลัก ตัวแปรรบกวน กลุ่มย่อย ข้อมูลสูญหาย เกณฑ์ตัดค่า และวิธีจัดการความไม่แน่นอน. หลังวิเคราะห์ให้แยกผลที่ข้อมูลรองรับจากการอนุมาน อธิบายว่าผลใช้กับประชากร พื้นที่และสถานการณ์ใด และมีผลข้างเคียงหรือความไม่เป็นธรรมต่อกลุ่มใดหรือไม่. การนำผลไปใช้ควรเริ่มตามระดับความมั่นใจ เช่น ทดลองภายใต้การกำกับ วาง guardrail และเก็บผลจริง ก่อนขยายเต็มพื้นที่ งานวิจัยหนึ่งชิ้นไม่ควรถูกแปลงเป็นนโยบายถาวรโดยข้ามการทดสอบเชิงปฏิบัติ

ปัญหาคือช่องว่างระหว่างสภาพปัจจุบันกับสภาพพึงประสงค์ คำถามวิจัยคือสิ่งที่ต้องการรู้เพื่อปิดช่องว่าง ส่วนวัตถุประสงค์คือสิ่งที่งานจะทำ ตัวอย่างปัญหา “ชุมชนตอบสนองคำเตือนช้า” ไม่เท่ากับคำถาม “ข้อความแบบใดเพิ่มการอพยพทันเวลา”. คำถามที่ดีระบุประชากรหรือระบบ สิ่งแทรกแซงหรือตัวแปร ผลลัพธ์ ช่วงเวลา และบริบทตามความจำเป็น สมมติฐานควรทดสอบหักล้างได้ ไม่ใช่ข้อความกว้างว่า “เทคโนโลยีทำให้งานดีขึ้น”. ก่อนเลือกวิธีให้ถามว่าต้องการบรรยาย คาดการณ์ อธิบายสาเหตุ หรือประเมินการดำเนินงาน คำถามแต่ละชนิดต้องใช้หลักฐานต่างกัน โมเดลพยากรณ์ที่ทายแม่นไม่ได้พิสูจน์ว่าปัจจัยในโมเดลเป็นสาเหตุ

ข้อควรระวังคือเริ่มจากอยากซื้อโดรนแล้วสร้างคำถามรองรับ ควรเริ่มจากงานที่ยังทำไม่ได้ เช่น ต้องได้แผนที่ความเสียหายครอบคลุมพื้นที่ภายในหกชั่วโมง แล้วค่อยเปรียบเทียบทางเลือกทั้งโดรน ดาวเทียม ทีมภาคพื้นหรือการผสมกัน. เริ่มจากกฎหมาย แผน มาตรฐาน คู่มือ และข้อมูลของหน่วยงานเจ้าของเรื่อง จากนั้นจึงใช้งานวิจัยที่ผ่านการทบทวน รายงานเทคนิค และข้อมูลภาคสนาม ข่าวหรือโพสต์ช่วยชี้เบาะแสได้แต่ไม่ควรเป็นหลักฐานสุดท้ายเมื่อมีต้นฉบับทางการ. ต้องตรวจวันเผยแพร่ ช่วงเวลาที่ข้อมูลอ้างถึง เวอร์ชัน การแก้ไข นิยาม และขอบเขตอำนาจ เอกสารเก่าอาจยังมีหลักเทคนิคที่ดี แต่สถานะนโยบายหรือโครงสร้างหน่วยงานอาจเปลี่ยน จึงควรแยก “หลักคงทน” ออกจาก “สถานะปัจจุบัน”

งานทบทวนไม่ใช่รวบรวมข้อความที่เห็นตรงกันอย่างเดียว ต้องค้นผลที่ไม่สนับสนุน ตรวจคุณภาพวิธี ขนาดตัวอย่าง ความสอดคล้อง และความเหมาะกับบริบทไทย หากแหล่งต่างกัน ให้เปรียบเทียบคำนิยามและประชากรก่อนตัดสินว่าขัดแย้ง. บันทึก bibliography หรือ data provenance ให้ผู้อื่นตามกลับได้ อย่างน้อยมีชื่อเอกสาร หน่วยงาน วันที่ เวอร์ชัน หน้า/หัวข้อ URL หรือเลขเอกสาร และวันเข้าถึง หลีกเลี่ยงการอ้าง “จากงานวิจัยพบว่า” โดยไม่รู้ว่างานใด. แนวคิดกว้างต้องแปลงเป็นสิ่งที่วัดได้ เช่น “ตอบสนองเร็ว” อาจนิยามเป็นเวลาจากศูนย์ยืนยันเหตุถึงหน่วยออกจากฐาน หรือถึงหน่วยถึงจุดเกิดเหตุ สองนิยามให้ข้อสรุปต่างกัน จึงต้องประกาศ start–stop event ชัดเจน

ตัวแปรต้นคือสิ่งที่คาดว่าเกี่ยวข้องหรือถูกแทรกแซง ตัวแปรตามคือผลลัพธ์ ตัวแปรรบกวนเกี่ยวกับทั้งสองและอาจสร้างความสัมพันธ์ลวง ตัวแปรสื่อกลางอธิบายกลไก ส่วน effect modifier ทำให้ผลต่างกันตามกลุ่ม. หน่วยวิเคราะห์อาจเป็นบุคคล ครัวเรือน ชุมชน เหตุการณ์ หน่วยกู้ภัย หรือพื้นที่ ถ้าสุ่มข้อมูลระดับหมู่บ้านแต่สรุปความเสี่ยงรายบุคคลโดยไม่มีข้อมูลรองรับจะเกิด ecological fallacy และถ้าใช้ค่าเฉลี่ยรายพื้นที่ก็อาจซ่อนกลุ่มเปราะบาง. data dictionary ควรระบุชื่อฟิลด์ ความหมาย ชนิดข้อมูล หน่วย ช่วงค่า ค่า missing ผู้สร้าง เวลาและกฎตรวจสอบ นิยามที่ตกลงร่วมกันช่วยให้การวิจัย แดชบอร์ด และการประเมินผลพูดภาษาเดียวกัน

ประชากรเป้าหมายคือกลุ่มที่ต้องการสรุปผล sampling frame คือรายชื่อหรือกรอบที่ใช้เลือก และ sample คือผู้ที่ได้ข้อมูล หากกรอบไม่มีแรงงานย้ายถิ่น คนไม่มีโทรศัพท์ หรือผู้พิการ ผลอาจดูดีแต่ไม่แทนกลุ่มที่คำเตือนต้องเข้าถึง. selection bias เกิดเมื่อโอกาสเข้าร่วมสัมพันธ์กับผลที่ศึกษา nonresponse bias เกิดเมื่อคนที่ไม่ตอบต่างจากคนตอบ information bias เกิดจากการวัดคลาดเคลื่อน และ survivorship bias เกิดเมื่อเห็นเฉพาะหน่วยที่ผ่านเหตุมาได้. ขนาดตัวอย่างมากลดความผันผวนแบบสุ่มแต่ไม่แก้อคติเป็นระบบ แบบสอบถามออนไลน์ล้านข้อสรุปยังอาจผิดทิศหากคนที่ไม่มีอินเทอร์เน็ตคือกลุ่มเสี่ยง ต้องออกแบบช่องทางหลายแบบและวิเคราะห์การขาดหาย

รายงานควรบอกวิธีเลือก อัตราตอบ ลักษณะคนขาดข้อมูล น้ำหนักที่ใช้ และขอบเขต generalization การอ้างผลสำรวจผู้เข้าอบรมไปแทนอาสาสมัครทั้งหมดโดยไม่ตรวจคนที่ไม่มาเป็นข้อสรุปเกินหลักฐาน. Validity ถามว่าเครื่องมือวัดสิ่งที่ตั้งใจวัดจริงหรือไม่ Reliability ถามว่าเมื่อตรวจซ้ำภายใต้เงื่อนไขเดียวกันให้ผลสม่ำเสมอหรือไม่ เครื่องมืออาจเที่ยงแต่ไม่ตรง เช่น เซนเซอร์อ่านสูงกว่าจริงคงที่ทุกครั้ง. ความคลาดเคลื่อนแบบสุ่มทำให้ค่ากระจายและลดได้ด้วยการวัดซ้ำหรือเฉลี่ย ส่วน systematic error ทำให้ค่าคลาดไปทิศเดียวและต้องแก้ด้วยการสอบเทียบ อ้างอิงมาตรฐาน หรือปรับวิธี ไม่ใช่เพิ่มจำนวนการวัดอย่างเดียว

ในแบบสอบถามต้องตรวจ content validity ความเข้าใจภาษา recall period และ social desirability ในข้อมูลระบบต้องตรวจนิยามเหตุการณ์ timestamp การตั้งนาฬิกา duplicate และ missing ในแบบจำลองต้องตรวจทั้ง discrimination, calibration และการใช้ต่างบริบท. ก่อนใช้เครื่องมือในเหตุจริงควร pilot กับสภาพแวดล้อมเป้าหมาย รวมอุณหภูมิ ความชื้น เสียงรบกวน สัญญาณอ่อน และผู้ใช้จริง การผ่านทดสอบในห้องไม่รับประกันว่าทำงานได้กลางน้ำท่วมหรือภายใต้ถุงมือและความกดดัน. การทดลองสุ่มช่วยสร้างกลุ่มเปรียบเทียบที่โดยเฉลี่ยสมดุลปัจจัยรบกวน จึงเหมาะกับคำถามสาเหตุเมื่อทำได้และมีจริยธรรม แต่งานสาธารณภัยจำนวนมากสุ่มภัยหรือกีดกันการช่วยเหลือไม่ได้ ต้องใช้ quasi-experiment งานสังเกต การจำลอง หรือหลักฐานหลายชนิดร่วมกัน

การเปรียบเทียบก่อน–หลังเพียงกลุ่มเดียวเสี่ยงต่อแนวโน้มเดิม ฤดูกาล เหตุการณ์ร่วม และ regression to the mean วิธีที่แข็งแรงขึ้นอาจใช้กลุ่มเปรียบเทียบ difference-in-differences interrupted time series หรือ rollout แบบเป็นขั้น โดยตรวจสมมติฐานของแต่ละวิธี. ความสัมพันธ์ไม่พิสูจน์เหตุ เพราะเหตุย้อนกลับ ตัวแปรรบกวน หรือการเลือกตัวอย่างอาจอธิบายได้ ตัวอย่างพื้นที่ที่ใช้แอปเตือนภัยมีการอพยพเร็วอาจเพราะมีงบ บุคลากรและความพร้อมสูงอยู่แล้ว ไม่ใช่ผลจากแอปทั้งหมด. ข้อสรุปเชิงสาเหตุต้องบอก counterfactual ว่า หากไม่มีมาตรการจะเกิดอะไร วิธีสร้างฐานเปรียบเทียบ ความสอดคล้องของแนวโน้ม และข้อจำกัดที่ยังเหลือ หากหลักฐานทำได้เพียงบรรยาย ให้ใช้ภาษาว่า “สัมพันธ์กับ” แทน “ทำให้”