การพัฒนาเครื่องมือวัดจิตวิทยาศาสตร์สำหรับนิสิตระดับปริญญาตรี : การประยุกต์ใช้การวิเคราะห์กลุ่มแฝง
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาและตรวจสอบคุณภาพเครื่องมือวัดจิตวิทยาศาสตร์สำหรับนิสิตระดับปริญญาตรี และ 2) วิเคราะห์กลุ่มแฝงจิตวิทยาศาสตร์สำหรับนิสิตระดับปริญญาตรี ตัวอย่างวิจัย ได้แก่ นิสิตระดับปริญญาตรี ในสาขาวิชาวิทยาศาสตร์หรือวิทยาศาสตร์ศึกษา ในมหาวิทยาลัยจาก 6 ภูมิภาคของประเทศไทย ได้แก่ มหาวิทยาลัยพะเยา มหาวิทยาลัยนเรศวร มหาวิทยาลัยมหาสารคาม มหาวิทยาลัยราชภัฏเพชรบุรี มหาวิทยาลัยบูรพา และมหาวิทยาลัยทักษิณ จำนวน 330 คน ที่ได้จากการสุ่มแบบหลายขั้นตอน เก็บรวบรวมข้อมูลโดยใช้เครื่องมือวัดจิตวิทยาศาสตร์สำหรับนิสิตระดับปริญญาตรี มีลักษณะเป็นมาตรประมาณค่า 5 ระดับ ครอบคลุม 11 ด้านของจิตวิทยาศาสตร์ จำนวน 33 ข้อ วิเคราะห์ข้อมูลด้วยค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐาน การวิเคราะห์องค์ประกอบ และการวิเคราะห์กลุ่มแฝง ผลการวิจัย พบว่า 1) ข้อรายการของเครื่องมือวัดจิตวิทยาศาสตร์ มีค่าดัชนี IOC ตั้งแต่ 0.80-1.00 มีค่าอำนาจจำแนกตั้งแต่ 0.379-0.681 มีความตรงเชิงโครงสร้าง โดยมีค่าน้ำหนักองค์ประกอบตั้งแต่ 0.688-0.800 มีนัยสำคัญทางสถิติที่ระดับ .05 ทุกข้อ และมีค่าความเที่ยงเท่ากับ 0.933 และ 2) ผลการวิเคราะห์กลุ่มแฝงสามารถจำแนกกลุ่มแฝงจิตวิทยาศาสตร์ของนิสิตระดับปริญญาตรีได้ 3 กลุ่ม ได้แก่ กลุ่มแฝงที่ 1 “กลุ่มที่มีจิตวิทยาศาสตร์ระดับเริ่มต้น” จำนวน 36 คน (10.909%) กลุ่มแฝงที่ 2 “กลุ่มที่มีจิตวิทยาศาสตร์ระดับสูง” จำนวน 173 คน (52.424%) และกลุ่มแฝงที่ 3 “กลุ่มที่มีจิตวิทยาศาสตร์ระดับสูงที่สุด” จำนวน 121 คน (36.667%)
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1. เนื้อหาและข้อมูลในบทความที่ลงพิมพ์กับวารสารวิจยวิชาการ ถือเป็นข้อคิดเห็น และความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
2. บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิจยวิชาการ ถือเป็นลิขสิทธิ์ของวารสารวิจยวิชาการ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่ง ส่วนใดไปเผยแพร่ต่อหรือเพื่อการกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารวิจยวิชาการก่อนเท่านั้น
เอกสารอ้างอิง
เฉลิมศักดิ์ มะลิงาม. (2558). การพัฒนามาตรวัดจิตวิทยาศาสตร์สำหรับนักเรียนระดับมัธยมศึกษาตอนต้น: การประยุกต์ใช้การวิเคราะห์กลุ่มแฝงเพื่อกำหนดคะแนนจุดตัด. (วิทยานิพนธ์ครุศาสตรมหาบัณฑิต สาขาวิชาการวัดและประเมินผลการศึกษา). คณะครุศาสตร์ : จุฬาลงกรณ์มหาวิทยาลัย.
ชลิดา ไชยพันธ์กุล. (2559). การพัฒนาตัวชี้วัดและเกณฑ์การประเมินจิตวิทยาศาสตร์ของนักเรียนระดับชั้นมัธยมศึกษาตอนต้น จังหวัดภูเก็ต. (วิทยานิพนธ์ศึกษาศาสตรมหาบัณฑิต สาขาวิชาการวัดและประเมินผลการศึกษา). คณะศึกษาศาสตร์ : มหาวิทยาลัยสุโขทัย ธรรมาธิราช.
พิชญาภา ทุมรินทร์ และต้องลักษณ์ บุญธรรม. (2566). การวิเคราะห์องค์ประกอบจิตวิทยาศาสตร์ของครู สังกัดสำนักงานเขตพื้นที่การศึกษามัธยมศึกษา ปราจีนบุรี นครนายก. วารสารมหาวิทยาลัยรัตนบัณฑิต, 17(2), 120-134.
วรรณพร เพิ่มโสภา, ขนิษฐา ชัยรัตนาวรรณ และวารุณี ลัภนโชคดี. (2563). การพัฒนาแบบวัดจิตวิทยาศาสตร์สำหรับนักเรียนชั้นประถมศึกษาปีที่ 6 สังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษา สมุทรสงคราม. วารสารศิลปการจัดการ, 4(3), 700-716.
ศิริชัย กาญจนวาสี. (2556). ทฤษฎีการทดสอบแบบดั้งเดิม. (พิมพ์ครั้งที่ 7). กรุงเทพฯ : โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
สถาบันส่งเสริมการสอนวิทยาศาสตร์และเทคโนโลยี. (2555). การวัดและประเมินผลวิทยาศาสตร์. กรุงเทพฯ : โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
สุนารี มีใหม่. (2557). การพัฒนาแบบวัดจิตวิทยาศาสตร์ของนักเรียนมัธยมศึกษาตอนปลาย: การวิเคราะห์ความไม่แปรเปลี่ยนของโมเดลการวัดระหว่างแผนการเรียน. (วิทยานิพนธ์ครุศาสตรมหาบัณฑิต สาขาวิชาวิธีวิทยาการวิจัยการศึกษา). คณะครุศาสตร์ : จุฬาลงกรณ์มหาวิทยาลัย.
ฮาฟิษ กาเส็มส๊ะ. (2565). การพัฒนาแบบวัดจิตวิทยาศาสตร์สำหรับนักเรียนมัธยมศึกษาตอนต้นในสามจังหวัดชายแดนใต้. (วิทยานิพนธ์ศึกษาศาสตรมหาบัณฑิต สาขาวิชาการวิจัยและประเมินผลการศึกษา). คณะศึกษาศาสตร์ : มหาวิทยาลัยสงขลานครินทร์.
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.
Chen, J.A. & Pajares, F. (2010). Implicit Theories of Ability of Grade 6 Science Students: Relation to Epistemological Beliefs and Academic Motivation and Achievement in Science. Contemporary Educational Psychology, 35, 75-87.
Collins, L. M. & Lanza, S. T. (2010). Latent class and latent transition analysis: With applications in the social, behavioral, and health sciences. New York : John Wiley & Sons.
Gauld, C. F. & Hukins, A. A. (1980). Scientific Attitudes: a Review. Studies in Science Education, 7(1), 129–161.
Glawson. (2011). Thinking like a scientist. Retrieved from https://midwaymsscience .weedly.com/uploads/8/2/9/8/8298729/section_1_-_thinking_like_a_ scien tist.pdf
Goffin, R. D. (2007). Assessing the adequacy of structural equation model: Golden rules and editorial policy. Personality and Individual Differences, 42, 831-839.
Hair, J. F., Jr., Black, W. C., Babin, B. J. & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). England : Pearson Prentice.
Johnson, D. W. & Johnson, R. T. (2009). An educational psychology success story: Social interdependence theory and cooperative learning. Educational Researcher, 38(5), 365-379.
Kashdan, T. B., Rose, P. & Fincham, F. D. (2004). Curiosity and Exploration: Facilitating Positive Subjective Experiences and Personal Growth Opportunities. Journal of Personality Assessment, 82(3), 291–305.
Kelloway, E. K. (2015). Using Mplus for structural equation modeling; A researcher’s guide. CA : Sage Publications.
Kuhn, D. (2015). Thinking together and alone. Educational Researcher, 44(1), 46-53.
Muthén, L. K. & Muthén, B. O. (2002). How to use a Monte Carlo study to decide on sample size and determine power. Structural Equation Modeling, 9(4), 599–620.
National Research Council. (2019). Science and Engineering for Grades 6-12: Investigation and Design at the Center. Washington, DC : The National Academies Press.
Nylund, K. (2007). Latent transition analysis: Modeling extensions and an application to peer victimization. Doctoral dissertation. Los Angeles : University of California.
Nylund-Gibson, K. & Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4), 440-461.
Rowland, G. (2005). Guiding the Evolutionary Human. Retrieved from http://www.learndev.org/dl/BtSM2005-Rowland-v2.pdf
Schumacker, R. E. & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling (3rd ed.). New Jersey : Lawrence Erlbaum Associates.
Steiger, J. H. (2007). Understanding the limitation of global fit assessment in structural equation modeling. Personality and Individual Differences, 42, 893-898.
Tabachnick, B. G. & Fidell, L. S. (2019). Using multivariate statistics. (7th ed.). Pearson. Retrieved from https://www.pearsonhighered.com/assets/preface/0/1/3/4
/ 0134790545.pdf
Zimmerman, C. (2007). The development of scientific thinking skills in elementary and middle school. Developmental Review, 27(2), 172-223.
