การพัฒนาเครื่องมือวัดและวิเคราะห์โปรไฟล์แฝงกรอบความคิด ด้านการวิจัยของนิสิตครูระดับบัณฑิตศึกษา
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์ของการวิจัยเพื่อ 1) พัฒนาและตรวจสอบคุณภาพเครื่องมือวัดกรอบความคิดด้านการวิจัย และ 2) วิเคราะห์ระดับและโปรไฟล์แฝงกรอบความคิดด้านการวิจัย ตัวอย่างวิจัย ได้แก่ นิสิตครูระดับปริญญาโทและปริญญาเอกของคณะครุศาสตร์/ศึกษาศาสตร์ ชั้นปีที่ 1 จากมหาวิทยาลัยของไทย 6 ภูมิภาค จำนวน 240 คน ตามแนวคิดของ Soper โดยใช้การสุ่มแบบหลายขั้นตอน เครื่องมือวิจัย ได้แก่ เครื่องมือวัดกรอบความคิดด้านการวิจัยมีลักษณะเป็นมาตรประมาณค่า 5 ระดับ จำนวน 30 ข้อ วิเคราะห์ข้อมูลโดยใช้สถิติพื้นฐาน (ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน) การวิเคราะห์องค์ประกอบเชิงยืนยันอันดับที่สอง และการวิเคราะห์โปรไฟล์แฝง ผลการวิจัยพบว่า 1) เครื่องมือวัดกรอบความคิดด้านการวิจัย มีลักษณะเป็นมาตรประมาณค่า 5 ระดับ จำนวน 30 ข้อ มีค่า I-CVI เท่ากับ .800 - 1.000 S-CVI เท่ากับ .987 ค่าอำนาจจำแนกมีค่า .629 - .808 มีค่าน้ำหนักองค์ประกอบตั้งแต่ .711 - .886 และมีนัยสำคัญทางสถิติที่ระดับ .05 ทุกข้อ และค่าความเที่ยงแต่ละองค์ประกอบ เท่ากับ .899 .909 .892 และ .925 ตามลำดับ และ 2) ผลการวิเคราะห์โปรไฟล์แฝงจำแนกได้ 3 กลุ่ม ได้แก่ “กลุ่มเริ่มต้น” มีคุณลักษณะของกรอบความคิดด้านการวิจัยในระดับเริ่มต้น มีค่าเฉลี่ยระดับปานกลาง (M = 3.093 - 3.289, S.D. = 0.322 - 0.399) จำนวน 15 คน (6.25%) “กลุ่มก้าวหน้า” มีคุณลักษณะของกรอบความคิดด้านการวิจัยในระดับสูง มีค่าเฉลี่ยระดับสูง (M = 3.808 - 3.991, S.D. = 0.322 - 0.399) จำนวน 165 คน (68.75%) และ “กลุ่มเข้มแข็ง” มีคุณลักษณะของกรอบความคิดด้านการวิจัยในระดับสูงมาก มีค่าเฉลี่ยระดับสูงถึงสูงมาก (M = 4.174 - 4.782, S.D. = 0.322 - 0.399) จำนวน 60 คน (25.00%)
Article Details
เอกสารอ้างอิง
วิภาวี ศิริลักษณ์. (2561). การวิจัยการออกแบบและการศึกษาประสบการณ์ผู้ใช้เพื่อพัฒนาหลักการออกแบบและต้นแบบการส่งเสริมกรอบคิดทางบวกด้านการวิจัยของครู. ใน ดุษฎีนิพนธ์ครุศาสตรดุษฎีบัณฑิต สาขาวิชาวิธีวิทยาการวิจัยทางการศึกษา. จุฬาลงกรณ์มหาวิทยาลัย.
วิรันดา มีทัพ และอาทิตย์ อินต๊ะแก้ว. (2567). การศึกษาความสามารถในการฟันฝ่าอุปสรรคการศึกษาในระดับบัณฑิตศึกษาของครูโรงเรียนมหาชัยคริสเตียนวิทยา: การวิจัยพหุกรณีศึกษา. วารสารสมาคมนักวิจัย, 29(2), 74-95.
ศิริชัย กาญจนวาสี. (2556). ทฤษฎีการทดสอบแบบดั้งเดิม. (พิมพ์ครั้งที่ 7). กรุงเทพมหานคร: โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
Almanasreh, E. et al. (2019). Evaluation of methods used for estimating content validity. Research in Social and Administrative Pharmacy, 15(2), 214-221.
Asparouhov, T. & Muthén, B. (2014). Auxiliary Variables in Mixture Modeling: Three-Step Approaches Using Mplus. Structural Equation Modeling: A Multidisciplinary Journal, 21(3), 329-341.
Burnette, J. L. et al. (2013). Mind-sets matter: A meta-analytic review of implicit theories and self-regulation. Psychological Bulletin, 139(3), 655-701.
Collins, L. M. & Lanza, S. T. (2010). Latent Class and Latent Transition Analysis: With Applications in the Social, Behavioral, and Health Sciences. New Jersey: John Wiley.
Duckworth, A. L. et al. (2007). Grit: Perseverance and passion for long-term goals. Journal of Personality and Social Psychology, 92(6), 1087-1101.
Dweck, C. S. (2006). Mindset: The New Psychology of Success. New York: Random House.
Farrington, C. A. et al. (2012). Teaching Adolescents to Become Learners: The Role of Noncognitive Factors in Shaping School Performance--A Critical Literature Review. Chicago: University of Chicago Consortium on Chicago School Research.
Kelloway, E. K. (2015). Using Mplus for Structural Equation Modeling. Thousand Oaks: SAGE Publications.
Mertler, C. A. (2024). Introduction to Educational Research. (4th ed.). Thousand Oaks: SAGE Publications.
Nylund-Gibson, K. & Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4), 440-461.
Nylund-Gibson, K. et al. (2019). Prediction from Latent Classes: A Demonstration of Different Approaches to Include Distal Outcomes in Mixture Models. Structural Equation Modeling: A Multidisciplinary Journal, 26(6), 967-985.
Papanastasiou, E. C. (2005). Factor structure of the ‘Attitudes Toward Research’ scale. Statistics Education Research Journal, 4(1), 16-26.
Soper, D. S. (2026). Calculating statistics should be fast and easy. Retrieved January 19, 2026, from https://www.danielsoper.com/statcalc
Steiger, J. H. (2007). Understanding the limitations of global fit assessment in structural equation modeling. Personality and Individual Differences, 42(5), 893-898.
Yeager, D. S. & Dweck, C. S. (2020). What Can Be Learned from Growth Mindset Controversies? American Psychologist, 75(9), 1269-1284.
Yeager, D. S. et al. (2019). A national experiment reveals where a growth mindset improves achievement. ResearchGate, 573(2019), 364-369.
