โมเดลหลายองค์ประกอบของราสช์: มโนทัศน์และค่าสถิติที่สำคัญสำหรับการประเมินภาคปฏิบัติ
Article Sidebar
Main Article Content
บทคัดย่อ
โมเดลหลายองค์ประกอบของราสช์ เป็นโมเดลที่นิยมใช้ในการวิเคราะห์เครื่องมือการวัดและประเมินผลทางการศึกษา ซึ่งพบได้ทั่วไปโดยเฉพาะการประเมินภาคปฏิบัติที่เกี่ยวข้องกับฟาเซตของการประเมินมากกว่า 2 ฟาเซตขึ้นไป ประกอบด้วย ผู้สอบ ข้อรายการประเมิน และผู้ประเมิน คุณสมบัติทางจิตมิติของเครื่องมือวัดและประเมินจะถูกวิเคราะห์ในโมเดลผ่านทุกฟาเซตที่เกี่ยวข้อง โดยคุณสมบัติทางจิตมิติของเครื่องมือวัดและประเมินที่วิเคราะห์ด้วยโมเดลจะมีค่าที่คงที่ ไม่แปรเปลี่ยนไปตามกลุ่ม อย่างไรก็ตาม เนื่องจากโมเดลหลายองค์ประกอบเป็นโมเดลที่มีความซับซ้อน เพราะเป็นโมเดลที่มีการแปลผลแตกต่างกันไปตามแต่ละฟาเซตที่ศึกษา รวมถึงมีเกณฑ์การวิเคราะห์ที่แตกต่างกันตามจุดประสงค์ของผู้วิเคราะห์ ดังนั้นบทความนี้ จึงจะนำเสนอ
มโนทัศน์ของโมเดลหลายองค์ประกอบของราสช์ การเขียนคำสั่งเพื่อวิเคราะห์โมเดลหลายองค์ประกอบของราสช์ และค่าสถิติสำคัญในการวิเคราะห์ในโมเดลหลายองค์ประกอบเพื่อนำไปใช้เป็นแนวทางในการวิเคราะห์และแปลผลการประเมินภาคปฏิบัติทางการศึกษาได้อย่างถูกต้องเหมาะสม
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เจ้าของบทความมิได้คัดลอก หรือละเมิดลิขสิทธิ์ของผู้ใด หากเกิดการละเมิดลิขสิทธิ์ ไม่ว่าวิธีใด หรือการฟ้องร้องไม่ว่ากรณีใด ๆ ที่อาจเกิดขึ้นได้ กองบรรณาธิการวารสารศึกษาศาสตร์ ไม่มีส่วนเกี่ยวข้องทั้งสิ้น ให้เป็นสิทธิ์ของเจ้าของบทความที่จะดำเนินการ
เอกสารอ้างอิง
American Educational Research Association, American Psychological Association & National Council on Measurement in Education. (2014). Standards for Educational and Psychological Testing. American Educational Research Association
Andrich, D. (1978). A rating scale formulation for ordered response categories. Psychometrika, 43(4), 561 – 573. https://doi.org/10.1007/BF02293814
Bohlig, M., Fisher, W. P., Masters, G. N., & Bond, T. (1998). Content validity and misfitting Items. Rasch Measurement Transactions, 12(1), 607.
Bond, T. G., Yan, Z., & Heene, M. (2021). Applying the Rasch model: Fundamental measurement in human sciences (4th ed.). London: Routledge.
Eckes, T. (2009). Introduction to many-facet Rasch measurement. Peter Lang Edition.
Eckes, T. (2019). Many-facet Rasch measurement: Implications for rather mediated language assessment. In V. Aryadoust & M. Raquel (Eds.), Quantitative data analysis for language assessment volume I: Fundamental techniques. (pp. 153-176). Routledge.
Edwards, A. S., Edwards, K. E., & Wesolowski, B. C. (2019). The psychometric evaluation of a wind band performance rubric using the Multifaceted Rasch Partial Credit Measurement Model. Research Studies in Music Education, 1-25. https://doi.org/10.1177/1321103X18773103
Johnson, R. L., Penny, J. A., & Gordon, B. (2009). Assessing Performance: Designing, Scoring and Validating Performance Tasks. The Guilford Press.
Kanjanawasee, S. (2020). Modern test theories (5th ed.). Bangkok: CU Press.
Kim, P. (2020). Many-Facet Partial Credit Model analysis of Dörnyei’s L2 motivational self-system. Journal of Second and Multiple Language Acquisition, 8(4), 111-128.
Krishnan, S., & Idris, N. (2018). Using partial credit model to improve the quality of an instrument. International Journal of Evaluation and Research in Education (IJERE), 7(4), 313-316. 10.11591/ijere.v7.i4.pp313-316
Linacre, J. M. (1994). Many-faceted Rasch measurement. MESA Press.
Linacre, J. M. (2000). Comparing “Partial Credit Models” (PCM) and “Rating Scale Models” (RSM). Rasch Measurement Transactions, 14, 768.
Linacre, J. M. (2010). When to stop removing items and persons in Rasch misfit analysis? Rasch Measurement Transactions, 23(4), 1241.
Linacre, J. M. (2002a). Understanding Rasch measurement: Optimizing rating scale category effectiveness. Journal of Applied Measurement, 3(1), 85-106.
Linacre, J. M. (2002b). What do Infit and Outfit, Mean-square and Standardized mean? Archives of Rasch Measurement, 16, 871-882.
Linacre, J. M. (2003). Rasch power analysis: size vs. significance: standardized Chi-Square fit statistic. Rasch Measurement Transactions, 17(1), 918–919.
Linacre, J. M. (2022a). A User Guide to FACETS (Version 3.84.0) [Computer software]. https://www.winsteps.com/a/Facets-Manual.pdf
Linacre, J. M. (2022b). A User Guide to WINSTEPS (Version 5.2.3) [Computer software]. https://www.winsteps.com/a/Winsteps-Manual.pdf
Masters, G. N. (1982). A Rasch model for partial credit scoring. Psychometrika, 47(2), 149–174.
Myford, C. M., & Wolfe, E. W. (2004). Detecting and measuring rater effects using many-facet Rasch measurement: Part II. Journal of applied measurement, 5(2), 189-227.
Myung, I. J. (2003). Tutorial on maximum likelihood estimation. Journal of Mathematical Psychology, 47(1), 90–100. https://doi.org/10.1016/S0022-2496(02)00028-7
Smith, R. M. (1996). Polytomous mean-square fit statistics. Rasch Measurement Transactions, 10(3), 516-517.
Wesolowski, B. C., Amend, R. M., Barnstead, T. S., Edwards, A. S., Everhart, M., Goins, Q., Grogan III, R. J., Herceg, A. M., Jenkins, S. I., Johns, P. M., McCarver, C. J., Schaps, R E., Sorrell, G. W., & Williams, J. D. (2017). The development of a secondary-level solo wind instrument performance rubric using the Multifaceted Rasch Partial Credit Measurement Model. Journal of Research in Music Education, 65, 95–119.
Wesolowski, B. C. (2019). An examination of differential item functioning in a rubric to assess solo music performance. Musicae Scientiae, 1-15. https://doi.org/10.1177/1029864919859928
Wright, B. D., & Linacre, J. M. (1994). Reasonable mean-square fit values. Rasch Measurement Transactions, 8, 370-371.
Wright, B. D., & Masters, G. N. (2002). Number of person or item strata. Rasch Measurement Transaction, 16(3), 888.
