การพัฒนาและการตรวจสอบคุณภาพทางจิตมิติของแบบวัด แหล่งที่มาการรับรู้ความสามารถตนเองด้านการใช้ปัญญาประดิษฐ์ เพื่อการผลิตสื่อสร้างสรรค์ของนักศึกษานิเทศศาสตร์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์ เพื่อพัฒนาและตรวจสอบคุณภาพทางจิตมิติของแบบวัดแหล่งที่มาการรับรู้ความสามารถตนเองด้านการใช้ปัญญาประดิษฐ์เพื่อการผลิตสื่อสร้างสรรค์ของนักศึกษานิเทศศาสตร์ กลุ่มตัวอย่าง มีจำนวน 497 คน ได้มาจากการสุ่มแบบกลุ่ม เครื่องมือที่ใช้ในการวิจัย คือ แบบวัดแหล่งที่มาของการรับรู้ความสามารถตนเองด้านการใช้ปัญญาประดิษฐ์เพื่อการผลิตสื่อสร้างสรรค์ สถิติที่ใช้ ได้แก่ การวิเคราะห์ความเชื่อมั่น ความเที่ยงตรง และการวิเคราะห์องค์ประกอบเชิงยืนยัน ผลการวิจัยพบว่า แบบวัดมีคุณภาพทางจิตมิติอยู่ในระดับดี โดยผลการวิเคราะห์องค์ประกอบเชิงยืนยันอันดับหนึ่ง พบว่า โมเดลการวัดมีความสอดคล้องกับข้อมูลเชิงประจักษ์ (χ² = 324.75, df = 151, CFI = .97, TLI = .96, RMSEA = .04, SRMR = .03) ค่าน้ำหนักองค์ประกอบมาตรฐานอยู่ระหว่าง .56-.85 ส่วนการวิเคราะห์องค์ประกอบเชิงยืนยันอันดับสอง พบว่า โมเดลการวัดมีความสอดคล้องกับข้อมูลเชิงประจักษ์เช่นกัน (χ² = 356, df = 160, CFI = .96, TLI = .96, RMSEA = .05, SRMR = .03) ค่าน้ำหนักองค์ประกอบมาตรฐานขององค์ประกอบอันดับสองอยู่ระหว่าง .81 - .95 นอกจากนี้ แบบวัดมีความตรงเชิงลู่เข้า โดยมีค่า AVE อยู่ระหว่าง .50 - .64 และมีความตรงเชิงจำแนกตามเกณฑ์ HTMT โดยมีค่าอยู่ระหว่าง .63 - .87 ขณะที่ค่าความเชื่อมั่นของแบบวัดทั้งฉบับตามสัมประสิทธิ์แอลฟาของครอนบาคเท่ากับ .94 และค่าความเชื่อมั่นเชิงประกอบอยู่ระหว่าง .80 - .84 สรุปได้ว่าแบบวัดมีความเที่ยงตรงและความเชื่อมั่นในระดับดี เหมาะสำหรับนำไปใช้ประเมินแหล่งที่มาของการรับรู้ความสามารถตนเองด้านการใช้ปัญญาประดิษฐ์เพื่อการผลิตสื่อสร้างสรรค์ของนักศึกษานิเทศศาสตร์
Article Details
เอกสารอ้างอิง
Aguirre, M. P. et al. (2024). The Digital Self-Efficacy Scale: Adaptation and validation of its Spanish version. Human Behavior and Emerging Technologies, 3952946. https://doi.org/10.1155/2024/3952946.
Anderson, T. & Niu, S. (2025). Making AI-enhanced videos: analyzing generative AI use cases in YouTube content creation. Retrieved May 12, 2026, from https://dl.acm.org/doi/10.1145/3706599.3719991
Bandura, A. (1997). Self-efficacy: The exercise of control. New York: W. H. Freeman.
Bijl, J. V. D. & Baggett, L. M. S. (2001). The theory and measurement of the self-efficacy construct. Scholarly Inquiry for Nursing Practice, 15(3), 189-207.
Comrey, A. L. & Lee, H. B. (1992). A first course in factor analysis. (2nd ed.). Hillsdale: Lawrence Erlbaum Associates.
Egele, V. S. et al. (2025). An empirical ranking of the importance of the sources of self-efficacy for physical activity. Health Psychology and Behavioral Medicine, 13(1), 2567322. https://doi.org/10.1080/21642850.2025.2567322.
García, M. M. et al. (2024). Adaptation and psychometric properties of a brief version of the general self-efficacy scale for use with artificial intelligence (GSE-6AI) among university students. Frontiers in Education, 9, 1293437. https://doi.org/10.3389/feduc.2024.1293437.
Hair, J. F. et al. (2019). Multivariate data analysis. (8th ed.). Boston: Cengage Learning.
Henseler, J. et al. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135.
Hwang, Y. & Wu, Y. (2025). The influence of generative artificial intelligence on creative cognition of design students: A chain mediation model of self-efficacy and anxiety. Frontiers in Psychology, 15, 1455015. https://doi.org/10.3389/fpsyg.2024.1455015.
Jiang, Y. et al. (2025). Generative AI in art education: A systematic review of research trends, tool applications, and outcomes (2019-2025). Education Sciences, 16(1), 47. https://doi.org/10.3390/educsci16010047.
Kline, R. B. (2023). Principles and practice of structural equation modeling. (5th ed.). New York: The Guilford Press.
Lin, H. & Chen, Q. (2024). Artificial intelligence (AI)-integrated educational applications and college students’ creativity and academic emotions: Students’ and teachers’ perceptions and attitudes. BMC Psychology, 12, 487. https://doi.org/10.1186/s40359-024-01979-0.
Mills, N. A. (2014). Self-efficacy in second language acquisition. In Mercer, S. & Williams, M. (Eds.), Multiple Perspectives on the Self in SLA. (pp. 6-22). Clevedon: Multilingual Matters.
Park, Y. S. (2023). Creative and critical entanglements with AI in art education. Studies in Art Education, 64(4), 406-425.
Rovinelli, R. J. & Hambleton, R. K. (1977). Retrieved May 12, 2026, from https://eric.ed.gov/?id=ED121845
Usher, E. L. & Pajares, F. (2009). Sources of self-efficacy in mathematics: A validation study. Contemporary Educational Psychology, 34(1), 89-101.
Wang, J. et al. (2026). Evaluating the effects of personalised learning on AI-assisted design performance, creative self-efficacy, and engagement of high- and low-performing college design students. Journal of Computer Assisted Learning, 42(2), e70221. https://doi.org/10.1002/jcal.70221.
Warner, L. M. et al. (2014). Sources of self-efficacy for physical activity. Health Psychology, 33(11), 1298-1308.
