แบบทดสอบ
อัตนัย
เครื่องมือที่วัดการคิดขั้นสูงได้ดีที่สุด และมีจุดอ่อนที่สุดตรงการตรวจให้คะแนน
Subjective Test หรือ Essay Test คำถามที่จะเดินตลอดการนำเสนอคือ วิธีวิทยาการวิจัยจัดการกับจุดอ่อนเรื่องการตรวจให้คะแนนอย่างไร และแบบทดสอบอัตนัยประยุกต์ตอบคำถามนี้ได้แค่ไหน
เดินตาม ปัญหาเดียว ไม่ใช่ไล่ตามหัวข้อ
ตำราการวัดผลทุกเล่มบอกตรงกันว่าแบบทดสอบอัตนัยวัดการคิดวิเคราะห์และการคิดสร้างสรรค์ได้ดี และบอกตรงกันอีกว่าจุดอ่อนอยู่ที่การตรวจให้คะแนน การนำเสนอนี้จึงไม่ไล่เล่าคุณสมบัติทีละข้อ แต่เดินตามปัญหานั้นจนถึงทางออกที่วรรณกรรมไทยใช้จริง
อัตนัยคืออะไร
นิยาม สองชนิด ข้อดีและข้อจำกัด และตำแหน่งเทียบกับปรนัย
จุดอ่อนอยู่ที่การตรวจ
อคติผู้ตรวจ หลักการสร้าง 7 ข้อ พิมพ์เขียว และรูบริค
ตรวจคุณภาพอย่างไร
IOC ความยาก อำนาจจำแนก ความเชื่อมั่น และความสอดคล้องระหว่างผู้ตรวจ
แบบทดสอบอัตนัยประยุกต์
MEQ กับกรณีศึกษาไทยสองเรื่อง และตำแหน่งในงานผสานวิธี
จุดตั้งต้นที่คนมักพลาด เครื่องมือมีสองตระกูล
ตำราแยก เครื่องมือจัดกระทำ (Treatment) ซึ่งเป็นตัวนวัตกรรมที่ใช้ทดลอง ออกจาก เครื่องมือเก็บรวบรวมข้อมูล (Instrument) ซึ่งเป็นตัววัดผล การสับสนสองตระกูลนี้ทำให้วัตถุประสงค์กับเครื่องมือไม่ตรงกันตั้งแต่บทที่ 3 [มนตรี, 2563, น.201-203]
- แผนการจัดการเรียนรู้ ชุดกิจกรรม บทเรียนคอมพิวเตอร์ หลักสูตรเสริม คู่มือครู
- ตรวจคุณภาพด้วย ความเหมาะสมจากผู้เชี่ยวชาญ แล้วหา E1/E2 และ E.I.
- แบบทดสอบ แบบสอบถาม แบบสังเกต แบบสัมภาษณ์ ซึ่งคือหัวข้อที่ทั้งชั้นเรียนแบ่งกันรับผิดชอบ
- ตรวจคุณภาพด้วย ความเที่ยงตรง ความเชื่อมั่น อำนาจจำแนก และความยาก
อิสระในการตอบ มีสองระดับ และเลือกผิดตั้งแต่ต้นแก้ทีหลังไม่ได้
ให้อิสระเต็มที่ ตอบได้ทั้งความเรียง ผังมโนทัศน์ ตาราง หรือรูปภาพ
วัดการจัดระบบความคิดและการเขียนได้เต็มที่ แต่ แนวการตรวจคลุมเครือที่สุด เพราะขอบเขตคำตอบกว้างมาก
กำหนดขอบเขต แบบฟอร์ม และประเด็นเฉพาะเจาะจง
คำว่า 3 ข้อ คือกลไกลดความคลาดเคลื่อนของผู้ตรวจ เพราะทำให้ มีแนวทางตรวจให้คะแนนชัดเจน
ข้อจำกัดทั้งสี่ข้อ ชี้กลับไปที่เรื่องเดียวกัน
- วัดการคิดวิเคราะห์และการคิดสร้างสรรค์ได้ดี
- กระตุ้นให้ผู้เรียนเกิดการคิดขั้นสูง
- วัดความสามารถในการเขียนและการนำเสนอ
- ทดสอบได้หลายเนื้อหาและหลายจุดมุ่งหมายพร้อมกัน
- การตรวจให้คะแนนเป็นจุดอ่อน ผู้ตรวจที่ไม่มีความรู้ลึกมักตรวจโดยอิงความรู้สึกจนลำเอียง
- ผู้ที่ช่างอ่านอาจได้คะแนนสูงทั้งที่ไม่ได้ตั้งใจเรียน
- ผู้ตอบตีความคำถามต่างกัน
- จำนวนข้อน้อย จึงอาจไม่ครอบคลุมจุดประสงค์
ไม่มีชนิดใดชนะทุกมิติ มีแต่การเลือกให้ตรงกับสิ่งที่จะวัด
| มิติเปรียบเทียบ | แบบอัตนัย | แบบปรนัย |
|---|---|---|
| ระดับพฤติกรรมที่วัดได้ดี | วิเคราะห์ ประเมินค่า สร้างสรรค์ และทักษะการเขียน | วัดได้ตั้งแต่ความจำถึงการประเมินค่า แต่ในทางปฏิบัติมักหยุดที่ความจำ |
| ความเชื่อมั่นของคะแนน | ต่ำกว่า เพราะจำนวนข้อน้อยและคะแนนขึ้นกับผู้ตรวจ | สูงกว่า เพราะข้อมากและการเดามีน้อย |
| ความเป็นปรนัยของการตรวจ | เป็นจุดอ่อนหลัก ต้องสร้างกลไกควบคุมเพิ่ม | ตรวจง่าย ถูกต้อง รวดเร็ว |
| ความครอบคลุมเนื้อหา | จำกัด เพราะทำได้ไม่กี่ข้อในเวลาที่มี | กว้าง เพราะบรรจุข้อได้มาก |
| โอกาสเดาถูก | แทบไม่มี ผู้สอบต้องผลิตคำตอบเอง | มีเสมอ และเพิ่มขึ้นเมื่อตัวเลือกน้อย |
| ต้นทุนหลัก | อยู่ที่ปลายทาง คือเวลาและกำลังคนในการตรวจ | อยู่ที่ต้นทาง คือเวลาสร้างข้อสอบและตัวลวงที่ดี |
| วินิจฉัยจุดบกพร่อง | เห็นกระบวนการคิดจริงของผู้สอบ จึงวินิจฉัยได้ตรงจุด | วินิจฉัยได้จากรูปแบบการเลือกตัวลวง แต่ไม่เห็นวิธีคิด |
สังเคราะห์จาก มนตรี วงษ์สะพาน (2563, น.204-214) แถวสุดท้ายเป็นประเด็นที่นำไปสู่องก์ที่ 4 เพราะเป็นเหตุผลที่งานวิจัยยอมแลกความสะดวกในการตรวจ เพื่อให้ได้เครื่องมือที่มองเห็นกระบวนการคิด
วงจรที่ทำให้ข้อสอบอัตนัย กลายเป็นข้อสอบความจำ
Iramaneerat (2015 อ้างถึงใน ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ, 2568) ระบุว่าอุปสรรคสำคัญที่ทำให้ข้อสอบอัตนัยไม่บรรลุวัตถุประสงค์ คือ ผู้สร้างข้อสอบเน้นการตรวจให้คะแนนได้ง่ายเป็นสำคัญ ผลคือข้อสอบอัตนัยส่วนใหญ่วัดเพียงความรู้ระดับความจำหรือความเข้าใจพื้นฐาน
คะแนนหนึ่งคะแนน มีอะไรปนอยู่ในนั้นบ้าง
การตั้งคำถามว่าคะแนนที่ได้มาจากอะไรบ้าง คือวิธีคิดที่ทำให้เลือกกลไกควบคุมได้ตรงจุด แทนที่จะเพิ่มกฎการตรวจไปเรื่อย ๆ โดยไม่รู้ว่าแก้อะไร
ตัวผู้สอบ
ความสามารถจริงที่เราต้องการวัด บวกกับความสามารถในการเขียนซึ่งอาจไม่ใช่สิ่งที่ตั้งใจวัด
กลไกควบคุม กำหนดรูปแบบคำตอบให้ชัด และไม่ให้คะแนนความสวยงามของสำนวนตัวคำถาม
ความกำกวมของคำสั่ง ทำให้ผู้ตอบตีความต่างกัน คำตอบจึงไม่อยู่บนฐานเดียวกัน
กลไกควบคุม ใช้คำสั่งเชิงพฤติกรรมที่ชัดเจน และผ่านการตรวจความเป็นปรนัยจากผู้เชี่ยวชาญตัวผู้ตรวจ
อคติที่มีชื่อเรียกในวรรณกรรมการวัดผล ได้แก่ ความประทับใจโดยรวม (halo effect) ผลของลำดับการตรวจ (order effect) ความใจดีหรือใจเข้ม (leniency และ severity) และ การเลื่อนเกณฑ์ระหว่างตรวจ (rater drift)
กลไกควบคุม ตรวจทีละข้อข้ามผู้สอบ ปิดชื่อผู้สอบ ใช้รูบริคที่มีตัวอย่างชิ้นงานประกอบ และใช้ผู้ตรวจสองคนการสุ่มตัวอย่างเนื้อหา
ข้อสอบมีไม่กี่ข้อ ผู้สอบที่บังเอิญอ่านตรงเรื่องที่ออกจึงได้เปรียบ
กลไกควบคุม ทำพิมพ์เขียวให้ครอบคลุมจุดประสงค์ และเพิ่มจำนวนข้อเท่าที่เวลาเอื้อชื่ออคติทั้งสี่เป็นคำที่ใช้ทั่วไปในวรรณกรรมการวัดผล ไม่ได้ปรากฏเป็นรายการในตำราไทยเล่มที่อ้าง ถ้าจะนำไปเขียนในดุษฎีนิพนธ์ ควรอ้างตำราการวัดผลที่ให้นิยามไว้โดยตรง
หลักการสร้าง 7 ข้อ และข้อที่ 4 คือข้อที่คนข้ามบ่อยที่สุด
ระบุพฤติกรรมที่จะวัด
ยึดมาตรฐานการเรียนรู้ ตัวชี้วัด และจุดประสงค์ แล้วทำเป็น พิมพ์เขียว
เขียนข้อคำถาม
ชัดเจนว่าให้ทำอะไร วัดตั้งแต่ความเข้าใจขึ้นไป ใช้สถานการณ์ใหม่ ไม่ถามตามตำรา
คุมความยากให้เหมาะกับวัย
ความซับซ้อนของสถานการณ์ต้องสมกับวัยของผู้ตอบ
เขียนเฉลยไปพร้อมข้อสอบ
เกณฑ์การตรวจต้องเกิดพร้อมกับคำถาม ไม่ใช่เขียนทีหลังตอนจะตรวจ
ให้เวลาพอสมควร
เวลาที่น้อยเกินไปเปลี่ยนข้อสอบวัดการคิดให้กลายเป็นข้อสอบวัดความเร็ว
ผ่านผู้เชี่ยวชาญสองสาย
ทั้งด้านเนื้อหาและด้านการวัดผล ตรวจความสอดคล้อง ความเหมาะสม และความเป็นปรนัย
ทดลองใช้จริง
กับนักเรียนที่เรียนเนื้อหานั้นมาแล้ว เพื่อวิเคราะห์คุณภาพรายข้อและทั้งฉบับ
สี่ในเจ็ดข้อ คือเรื่องการตรวจ
ข้อ 1, 4, 6 และ 7 ล้วนเป็นกลไกทำให้คะแนนจากผู้ตรวจคนละคนตรงกัน ไม่ใช่เรื่องการเขียนคำถาม
[มนตรี, 2563, น.205-206] หนังสือให้ตัวอย่างข้อคำถามอัตนัยครบทั้ง 6 ระดับพุทธิพิสัยไว้ที่ น.206-207 ซึ่งใช้เป็นแบบตั้งต้นได้
พิมพ์เขียวคือ หลักฐานความเที่ยงตรงเชิงเนื้อหา ไม่ใช่เอกสารประกอบ
ตัวอย่างข้างล่างถอดจากโครงสร้างจริงของ ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ (2568) ซึ่งวาง 4 สถานการณ์ไว้ในแถว และวาง 5 ขั้นของวิธีการทางวิทยาศาสตร์ไว้ในหลัก ทำให้เห็นทันทีว่าข้อคำถามข้อใดวัดองค์ประกอบใด
| สถานการณ์ (เนื้อหาพันธุศาสตร์) | ระบุปัญหา | ตั้งสมมติฐาน | ออกแบบทดสอบสมมติฐาน | รวบรวมข้อมูล | สรุปผล |
|---|---|---|---|---|---|
| 1. โครโมโซมและสารพันธุกรรม | ข้อ 1 | ข้อ 2 | ข้อ 3 | ข้อ 4 | ข้อ 5 |
| 2. การถ่ายทอดลักษณะทางพันธุกรรม | ข้อ 6 | ข้อ 7 | ข้อ 8 | ข้อ 9 | ข้อ 10 |
| 3. เทคโนโลยีทางดีเอ็นเอ | ข้อ 11 | ข้อ 12 | ข้อ 13 | ข้อ 14 | ข้อ 15 |
| 4. วิวัฒนาการ | ข้อ 16 | ข้อ 17 | ข้อ 18 | ข้อ 19 | ข้อ 20 |
คำกริยาในคำสั่ง คือสิ่งที่กำหนดระดับพฤติกรรมจริง
ข้อสอบอัตนัยไม่ได้วัดการคิดขั้นสูงโดยอัตโนมัติเพียงเพราะเป็นการเขียนตอบ สิ่งที่กำหนดระดับพฤติกรรมคือคำสั่งและงานที่ให้ทำ ตารางนี้ใช้เป็นแบบตั้งต้นเวลาเขียนข้อสอบตามพิมพ์เขียว
| ระดับ | คำสั่งที่ใช้บ่อย | ลักษณะงานที่ผู้สอบต้องทำ | การตรวจ |
|---|---|---|---|
| 1 ความรู้ความจำ | บอก ระบุ เขียนรายชื่อ | ดึงข้อมูลที่จำไว้ออกมาตรง ๆ | ตรวจง่ายที่สุด |
| 2 ความเข้าใจ | อธิบาย สรุปความ ยกตัวอย่าง | แปลงความรู้เป็นถ้อยคำของตนเอง | ยังตรวจไม่ยาก |
| 3 การนำไปใช้ | คำนวณ แสดงวิธีทำ ประยุกต์ | ใช้หลักการกับสถานการณ์ใหม่ที่ไม่เคยเจอ | ต้องมีเกณฑ์รายขั้น |
| 4 การวิเคราะห์ | จำแนก เปรียบเทียบ หาสาเหตุ | แยกส่วนประกอบและระบุความสัมพันธ์ | ต้องใช้รูบริค |
| 5 การประเมินค่า | วิพากษ์ ตัดสิน ให้เหตุผลสนับสนุน | ตัดสินโดยใช้เกณฑ์ และปกป้องข้อตัดสินนั้น | คำตอบถูกได้หลายทาง |
| 6 การสร้างสรรค์ | ออกแบบ วางแผน สร้างข้อเสนอ | ผลิตสิ่งใหม่ที่สอดคล้องกับเงื่อนไขที่กำหนด | ตรวจยากที่สุด |
เลือกชนิดรูบริค ก่อนเขียนข้อสอบ ไม่ใช่หลังเก็บข้อมูล
แยกให้คะแนนทีละมิติ แล้วรวมหรือรายงานแยก
- บอกได้ว่าผู้เรียนอ่อนมิติใด นำไปปรับการสอนต่อได้
- หาความเชื่อมั่นรายมิติได้ และแมปกับองค์ประกอบของตัวแปรตามได้ตรง
- แลกด้วยเวลาตรวจที่มากขึ้น และต้องระวังมิติที่ทับซ้อนกัน
ให้คะแนนเดียวจากภาพรวมของชิ้นงาน
- ใช้เวลาตรวจน้อย เหมาะกับการตัดสินเร็ว
- ไม่บอกจุดอ่อนเฉพาะจุด
- ผู้ให้คะแนนต่างคนมักต่างกันมากกว่า ซึ่งคือปัญหาที่เรากำลังจะแก้พอดี
ตำราไทยเล่มที่อ้างให้รูบริคไว้ในฐานะตัวอย่างประกอบแบบสังเกต (น.222-223) โดยไม่ได้แยกชนิด เนื้อหาหน้านี้จึงเป็นการสังเคราะห์จากวรรณกรรมการวัดผล ถ้าจะอ้างในดุษฎีนิพนธ์ต้องระบุตำราการวัดผลที่ใช้จริงเป็นแหล่ง
เขียนคำอธิบายระดับอย่างไร ให้ผู้ตรวจสองคนได้คะแนนตรงกัน
บรรยายสิ่งที่ทำได้ ไม่ใช่สิ่งที่ขาด
เขียนว่า ระบุแหล่งข้อมูลได้ 1 แหล่ง ดีกว่า ระบุแหล่งข้อมูลได้ไม่ครบ
ใช้เกณฑ์ที่สังเกตได้ในชิ้นงาน
เขียนว่า อธิบายเหตุผลประกอบข้อสรุปทุกข้อ ไม่ใช่ เข้าใจแนวคิดเป็นอย่างดี ซึ่งเป็นการอนุมานสภาวะภายใน
มิติเดียวต่อหนึ่งแถว
ถ้าคำอธิบายพูดถึงทั้งความถูกต้องและความครบถ้วน ผู้ตรวจจะไม่รู้ว่าให้ระดับใดเมื่อชิ้นงานถูกแต่ไม่ครบ
ระยะห่างระหว่างระดับใกล้เคียงกัน
ไม่ใช่ระดับ 3 กับ 2 ต่างกันนิดเดียว แต่ระดับ 2 กับ 1 ต่างกันมาก
ระบุจำนวนเมื่อทำได้
จำนวนเหตุผล จำนวนแหล่งข้อมูล จำนวนข้อผิดพลาดที่ยอมรับได้ ช่วยลดความต่างระหว่างผู้ตรวจได้มาก
มีตัวอย่างชิ้นงานจริงประกอบทุกระดับ
ตัวอย่างที่เรียกว่า anchor paper เป็นวิธีที่ลดความต่างระหว่างผู้ให้คะแนนได้มากที่สุด และควรอยู่ในคู่มือครูด้วย
การสังเคราะห์จากวรรณกรรมการวัดผล ไม่ใช่เนื้อหาที่มีเลขหน้าในตำราไทยเล่มที่อ้าง สังเกตว่าห้าในหกข้อคือการทำให้เกณฑ์ ตรวจสอบได้จากตัวชิ้นงาน แทนที่จะอาศัยการตีความของผู้ตรวจ
ลำดับการหาคุณภาพ ห้ามสลับ
ต้องรู้ตั้งแต่ตอนออกแบบว่าเครื่องมือชนิดนี้ต้องหาค่าอะไรบ้าง ไม่ใช่รู้ตอนเก็บข้อมูลเสร็จแล้ว เพราะบางค่าต้องออกแบบการเก็บข้อมูลรองรับไว้ล่วงหน้า เช่น ความสอดคล้องระหว่างผู้ตรวจ ต้องวางแผนให้มีผู้ตรวจสองคนตั้งแต่แรก
ค่า IOC ดัชนีความสอดคล้องระหว่างข้อคำถามกับจุดประสงค์
- ΣR คือผลรวมคะแนนความคิดเห็นของผู้เชี่ยวชาญ โดยให้ +1 เมื่อแน่ใจว่าสอดคล้อง 0 เมื่อไม่แน่ใจ และ -1 เมื่อแน่ใจว่าไม่สอดคล้อง
- N คือจำนวนผู้เชี่ยวชาญ ซึ่งงานสายนี้นิยมใช้ 3 ถึง 5 คน และควรมีทั้งสายเนื้อหาและสายการวัดผล
- เกณฑ์ ข้อที่มีค่าตั้งแต่ 0.50 ขึ้นไป ถือว่าวัดได้ตรงตามเนื้อหาที่ต้องการวัด
ปาริฉัตร สินทรัพย์ไพบูลย์ และ กฤธยากาญจน์ โตพิทักษ์ (2563)
ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ (2568)
สูตรของข้อสอบอัตนัย ไม่ใช่สูตรเดียวกับปรนัย
เพราะข้อสอบอัตนัยหนึ่งข้อมีคะแนนมากกว่า 1 คะแนน จึงใช้สูตรของ วิทนีย์และซาเบอร์ (Whitney and Sabers, 1970 อ้างถึงใน มนตรี, 2563, น.251) โดยแบ่งกลุ่มเก่งและกลุ่มอ่อนด้วย เทคนิค 25% คือเรียงคะแนนรวมแล้วตัด 25% บนเป็นกลุ่มเก่ง และ 25% ล่างเป็นกลุ่มอ่อน
ค่าเข้าใกล้ 1 คือข้อง่าย เข้าใกล้ 0 คือข้อยาก เกณฑ์ที่ทั้งสองบทความใช้คือ 0.20 ถึง 0.80
ยิ่งสูงยิ่งแยกคนเก่งกับคนอ่อนได้ดี เกณฑ์ที่ทั้งสองบทความใช้คือ ตั้งแต่ 0.20 ขึ้นไป
เกณฑ์กับผลจริง อ่านคู่กันเสมอ
| ค่าที่หา | เกณฑ์ที่ประกาศไว้ | ฟิสิกส์ ม.5 (2563) n = 250 | ชีววิทยา ม.4 (2568) n = 540 |
|---|---|---|---|
| IOC | 0.50 ขึ้นไป และ 0.80 ขึ้นไป ตามลำดับ | 1.00 ทุกข้อ | 0.80 ถึง 1.00 |
| ความยาก | 0.20 ถึง 0.80 | 0.49 ถึง 0.54 | 0.37 ถึง 0.70 |
| อำนาจจำแนก | 0.20 ขึ้นไป | 0.56 ถึง 0.61 | 0.20 ถึง 0.47 |
| ความสอดคล้องระหว่างผู้ตรวจ | ยิ่งสูงยิ่งดี | 0.904 (p < .01) จากผู้ตรวจ 2 คน | ไม่ได้รายงาน |
| ความเชื่อมั่นทั้งฉบับ | 0.70 ขึ้นไป | 0.88 | 0.83 |
| ความเที่ยงตรงเชิงโครงสร้าง | โมเดลสอดคล้องกับข้อมูลเชิงประจักษ์ | CFA: χ2 = 9.428, df = 5, p = 0.932, RMSEA = 0.086 | ตรวจความเป็นเอกมิติ E1/E2 = 3.10 |
ทำไมอัตนัยใช้ แอลฟา ไม่ใช่ KR-20
KR-20 ใช้ได้เฉพาะกับข้อสอบที่ให้คะแนนสองค่า คือถูกได้ 1 ผิดได้ 0 แต่ข้อสอบอัตนัยให้คะแนนหลายระดับ เช่น 0, 1, 2 จึงต้องใช้สัมประสิทธิ์แอลฟา ซึ่งเป็นรูปทั่วไปที่ปรับมาจาก KR-20 [มนตรี, 2563, น.252]
- k จำนวนข้อสอบทั้งฉบับ
- Si2 ความแปรปรวนของคะแนนรายข้อ
- St2 ความแปรปรวนของคะแนนรวมทั้งฉบับ
- เกณฑ์ยอมรับ 0.70 ขึ้นไป
ค่านี้คือหัวใจของหัวข้อเรา แต่เลือกดัชนีผิดกันบ่อย
| สถานการณ์การตรวจ | ดัชนีที่เหมาะ | เหตุผลและเกณฑ์ |
|---|---|---|
| ผู้ตรวจ 2 คน ให้คะแนนรวมเป็นตัวเลขต่อเนื่อง | สหสัมพันธ์ของเพียร์สัน | เป็นวิธีที่งานฟิสิกส์ใช้ ได้ค่า 0.904 ข้อจำกัดคือบอกได้แค่ว่าคะแนนไปทางเดียวกัน ไม่ได้บอกว่าให้คะแนนเท่ากัน |
| ผู้สังเกต 2 คน ประเมินเป็นรายกลุ่ม | ดัชนี C ของวิเชียร เกตุสิงห์ | อยู่ในตำราไทยเล่มหลัก [น.256-258] ใช้กับแบบสังเกตรายกลุ่มโดยเฉพาะ |
| ผู้ตรวจ 3 คน แปลงผลเป็นคะแนน | วิธีฮอยท์ (Hoyt) | ตำราให้ไว้สำหรับแบบสัมภาษณ์ [น.258-260] เกณฑ์ 0.70 ขึ้นไป องศาอิสระที่ตำราใช้ต่างจากรูปมาตรฐาน ต้องตรวจต้นทางก่อนใช้ |
| ผู้ตรวจ 2 คนขึ้นไป ให้คะแนนรายบุคคลด้วยรูบริคหลายมิติ | ICC | คำนึงถึงระยะห่างของคะแนน คนที่ต่างกัน 1 ระดับกับ 3 ระดับควรถูกลงโทษไม่เท่ากัน เกณฑ์ที่นิยมอ้าง 0.75 ขึ้นไปถือว่าดี งานที่ใช้คะแนนตัดสินผู้เรียนต้องรายงานแบบ absolute agreement |
| ตัดสินเป็นหมวด เช่น ผ่านกับไม่ผ่าน | Cohen's kappa | เกณฑ์ที่นิยมอ้างคือ 0.61 ขึ้นไปถือว่าดี สูตรหน้าตาคล้ายดัชนี C แต่คำนวณคนละแบบ ห้ามสลับชื่อกัน |
แถวที่ 1 ถึง 3 มีในตำราไทยเล่มที่อ้าง ส่วน ICC และ kappa ไม่มี เป็นการเสริมจากวรรณกรรมการวัดผลสากล ถ้าจะอ้างในดุษฎีนิพนธ์ต้องระบุตำราการวัดผลที่ใช้จริงเป็นแหล่ง ไม่ใช่อ้างว่ามาจากตำราไทยเล่มนี้
ข้อสอบวัด โครงสร้างที่เราอ้างว่าวัด จริงหรือไม่
เมื่อประกาศว่าข้อสอบวัดความสามารถในการแก้โจทย์ปัญหาซึ่งมี 5 ขั้น ต้องมีหลักฐานว่าคะแนนที่ได้สะท้อนโครงสร้าง 5 ขั้นนั้นจริง งานฟิสิกส์ใช้การวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA) อันดับที่ 1
น้ำหนักองค์ประกอบสูงสุด
น้ำหนักองค์ประกอบต่ำสุด
แบบทดสอบอัตนัยประยุกต์ Modified Essay Question
แบบสอบความเรียงรูปแบบหนึ่งที่ เสนอเหตุการณ์เป็นลำดับขั้นตอน แทรกคำถามเป็นระยะ ผู้สอบต้องใช้ข้อมูลจากเหตุการณ์มาตัดสินใจตอบ ทำให้เสร็จทีละหน้าตามเวลาที่กำหนด และ ไม่สามารถย้อนกลับไปแก้คำตอบที่ทำผ่านไปแล้ว เดิมพัฒนาขึ้นในวงการแพทยศาสตรศึกษา แล้วถูกนำมาใช้ในวิชาอื่นที่ต้องการวัดกระบวนการแก้ปัญหา
ให้ข้อมูลทีละนิด
สถานการณ์ถูกเปิดเผยเป็นตอน ๆ ผู้สอบจึงต้องตัดสินใจบนข้อมูลที่มีอยู่จริงในขณะนั้น เหมือนการแก้ปัญหาในชีวิตจริง
ห้ามย้อนกลับ
ทำให้เห็นกระบวนการคิดตามลำดับจริง ไม่ใช่คำตอบที่ย้อนกลับไปแก้หลังจากอ่านคำถามข้อหลังแล้วรู้เฉลย
คำถามผูกกับขั้นของกระบวนการ
แต่ละข้อในสถานการณ์เดียวกันวัดคนละขั้นของกระบวนการแก้ปัญหา จึงวินิจฉัยได้ว่าผู้เรียนสะดุดที่ขั้นใด
หนึ่งข้อ หนึ่งหน้า และมีสี่ส่วนเสมอ
เวลาสะสม 12 นาที สถานการณ์ที่ 1
คำถามที่ 3 ชื่อ ...................
โรงเรียน ..........
ข้อมูลเพิ่มเติม หากหัวหน้าฝ่ายผลิตตั้งสมมติฐานว่า ถ้าอุณหภูมิส่งผลต่อการกลายพันธุ์ของยีสต์สายพันธุ์ X ดังนั้นหากยีสต์มีการกลายพันธุ์เมื่อเกิดกระบวนการหมัก จะทำให้สี กลิ่น และรสชาติของไวน์แตกต่างกัน
ข้อคำถามที่ 3 ในการตรวจสอบสมมติฐานดังกล่าว เกิดการกลายพันธุ์จริงหรือไม่
แนวคำตอบ นำตัวอย่างยีสต์ที่ผ่านการบ่มในแต่ละอุณหภูมิ มาเปรียบเทียบลำดับนิวคลีโอไทด์ของ mRNA กับยีสต์สายพันธุ์ X ว่ามีการกลายพันธุ์เกิดขึ้นหรือไม่
ข้อควรระวัง ตรวจสอบเวลาในการทำแต่ละข้อ และเมื่อตรวจสอบคำตอบครบถ้วนแล้วจึงทำข้อถัดไปได้ ไม่อนุญาตให้กลับมาแก้ไขข้อที่ทำผ่านไปแล้ว
ถอดความจากตัวอย่างข้อสอบในบทความของ ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ (2568) จัดวางใหม่ให้อ่านบนจอได้ เนื้อความคงตามต้นฉบับ
- ส่วนที่ 1 หัวกระดาษ เวลาที่ใช้ข้อนี้และเวลาสะสม เลขสถานการณ์และเลขข้อ และช่องกรอกชื่อ การบันทึกเวลาไว้บนหน้ากระดาษ ทำให้เวลาเป็นส่วนหนึ่งของเงื่อนไขการวัด ไม่ใช่เรื่องบริหารห้องสอบ
- ส่วนที่ 2 สถานการณ์ เพิ่มข้อมูลทีละนิดเป็นตอน ๆ
- ส่วนที่ 3 ข้อคำถามและที่ว่างสำหรับตอบ คำถามเขียนไล่ตามขั้นของกระบวนการแก้ปัญหาที่ยึด
- ส่วนที่ 4 คำเตือน ย้ำกติกาห้ามย้อนกลับ
ตัวเลขที่ไม่ได้ตั้งขึ้นเอง แต่อ้างจากวรรณกรรมต้นทาง
แก้โจทย์ปัญหาฟิสิกส์ เรื่องไฟฟ้าสถิต ตามแนวคิดของเฮลเลอร์และเฮลเลอร์
ปาริฉัตร สินทรัพย์ไพบูลย์ และ กฤธยากาญจน์ โตพิทักษ์ (2563) ตีพิมพ์ใน Online Journal of Education ปีที่ 15 ฉบับที่ 2 กลุ่มตัวอย่างนักเรียน ม.5 จำนวน 250 คน ในจังหวัดนครสวรรค์ สุ่มแบบหลายขั้นตอน
แก้ปัญหาทางชีววิทยา ด้วยทฤษฎีการตอบสนองข้อสอบแบบพหุวิภาค
ฟิรดาวส์ ปิยานนท์พงศ์, ณรงค์ศักดิ์ รอบคอบ, จิระวัฒน์ ตันสกุล และ ธีระยุทธ รัชชะ (2568) วารสารศึกษาศาสตร์ มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี ปีที่ 36 ฉบับที่ 2 กลุ่มตัวอย่าง ม.4 จำนวน 540 คน จาก 9 โรงเรียนในปัตตานี ยะลา และนราธิวาส
สร้างแบบสอบ
4 สถานการณ์ 20 ข้อ ตามวิธีการทางวิทยาศาสตร์ 5 ขั้น คือ ระบุปัญหา ตั้งสมมติฐาน ออกแบบการทดสอบสมมติฐาน รวบรวมข้อมูล และสรุปผล
ตรวจคุณภาพด้วย IRT
ใช้โมเดล Generalized Partial Credit Model ได้ค่าพารามิเตอร์ความชัน 0.42 ถึง 1.79 และให้สารสนเทศสูงสุด 7.165 เมื่อผู้สอบมีความสามารถระดับปานกลาง
สร้างเกณฑ์ปกติ
แปลงเป็นคะแนนทีปกติ T15 ถึง T69 แล้วแบ่งการแปลผลเป็น 4 ระดับ คือ สูงมาก สูง ปานกลาง และควรปรับปรุง
โครงเครื่องมือเหมือนกันเกือบทุกอย่าง แต่ตอบคำถามคนละคำถาม
| ประเด็น | ฟิสิกส์ ม.5 (2563) | ชีววิทยา ม.4 (2568) |
|---|---|---|
| กรอบที่ใช้กำหนดข้อคำถาม | การแก้ปัญหาเชิงตรรกะของเฮลเลอร์และเฮลเลอร์ 5 ขั้น | วิธีการทางวิทยาศาสตร์ 5 ขั้น |
| โครงสร้างข้อสอบ | 4 สถานการณ์ สถานการณ์ละ 5 ข้อ รวม 20 ข้อ | 4 สถานการณ์ สถานการณ์ละ 5 ข้อ รวม 20 ข้อ |
| กลุ่มตัวอย่าง | 250 คน แบ่งเป็นทดลองใช้ 100 คน และ 150 คน | 540 คน จาก 9 โรงเรียน และทดลองใช้อีก 30 คน |
| ทฤษฎีที่ใช้ตรวจคุณภาพ | ทฤษฎีการทดสอบแบบดั้งเดิม (CTT) ทั้งหมด | CTT ก่อน แล้วต่อด้วย IRT แบบพหุวิภาค (G-PCM) |
| จุดแข็งเฉพาะตัว | รายงานความสอดคล้องระหว่างผู้ตรวจ และยืนยันโครงสร้าง 5 ขั้นด้วย CFA | บอกได้ว่าข้อสอบให้สารสนเทศสูงสุดที่ระดับความสามารถใด และสร้างเกณฑ์ปกติให้ใช้เทียบข้ามโรงเรียนได้ |
| ช่องว่างที่เหลืออยู่ | ไม่มีเกณฑ์ปกติ จึงแปลผลคะแนนข้ามกลุ่มไม่ได้ และค่า RMSEA อยู่ในระดับที่ถกเถียงได้ | ไม่รายงานความสอดคล้องระหว่างผู้ตรวจ ทั้งที่ใช้การให้คะแนน 3 ระดับซึ่งอาศัยดุลพินิจ |
| ข้อตกลงเบื้องต้นที่ต้องตรวจ | ไม่ได้รายงานการตรวจข้อตกลงของ CFA อย่างละเอียด | ตรวจความเป็นเอกมิติด้วยอัตราส่วนไอเกน E1/E2 = 3.10 ซึ่งผ่านเกณฑ์ 3.00 |
บทเรียนสำหรับการออกแบบเครื่องมือของเราเอง สองงานนี้เอามารวมกันได้ เพราะสิ่งที่งานหนึ่งขาด อีกงานหนึ่งมี ถ้าจะพัฒนาแบบทดสอบอัตนัยประยุกต์ในดุษฎีนิพนธ์ ควรมีทั้งความสอดคล้องระหว่างผู้ตรวจ การยืนยันโครงสร้าง และเกณฑ์แปลผลที่ใช้จริงได้ในชั้นเรียน
กลับไปที่ข้อจำกัด 4 ข้อในองก์ที่ 1 แล้วตรวจทีละข้อ
| ข้อจำกัดของอัตนัยแบบเดิม | MEQ จัดการอย่างไร | ยังเหลืออะไร |
|---|---|---|
| การตรวจให้คะแนนลำเอียง | มีแนวคำตอบคู่กับทุกข้อ และให้คะแนนเป็นระดับที่นิยามไว้ล่วงหน้า | ยังต้องพิสูจน์ด้วยตัวเลข งานฟิสิกส์รายงาน 0.904 แต่งานชีววิทยาไม่รายงาน การมีแนวคำตอบไม่ใช่หลักฐาน จนกว่าจะวัดออกมาเป็นค่า |
| ผู้ตอบตีความคำถามต่างกัน | คำถามผูกกับขั้นของกระบวนการที่นิยามไว้ชัด และให้ข้อมูลทีละตอน | สถานการณ์ที่ยาวขึ้นอาจกลายเป็นการวัดความสามารถในการอ่านปนเข้ามา |
| ผู้ที่ช่างอ่านได้เปรียบ | ใช้สถานการณ์ใหม่ที่ไม่มีในบทเรียน จึงท่องจำมาตอบไม่ได้ | แลกด้วยภาระในการสร้างสถานการณ์ใหม่ทุกครั้งที่จะใช้สอบซ้ำ |
| จำนวนข้อน้อย ไม่ครอบคลุม | หนึ่งสถานการณ์แตกได้ 5 ข้อ จึงได้ 20 ข้อในเวลาที่ยอมรับได้ | 20 ข้อยังมาจากเพียง 4 สถานการณ์ ความครอบคลุมเนื้อหาจึงยังจำกัดกว่าที่ตัวเลข 20 ข้อทำให้รู้สึก |
| ปัญหาใหม่ที่ MEQ สร้างขึ้นเอง | การพึ่งพากันระหว่างข้อ เมื่อคำถามไล่ตามขั้นของกระบวนการ ผู้ที่ตั้งสมมติฐานผิดในข้อ 2 มีโอกาสถูกหักคะแนนต่อเนื่องในข้อ 3 ถึง 5 ทั้งที่กระบวนการคิดในขั้นหลังอาจถูกต้อง งานชีววิทยาระบุว่าข้อคำถามแต่ละข้อเป็นอิสระจากกัน แต่ทั้งสองงานไม่ได้แสดงหลักฐานเชิงประจักษ์ว่าอิสระจริง ซึ่งขัดกับข้อตกลงเบื้องต้นเรื่องความเป็นอิสระของข้อในทฤษฎีการตอบสนองข้อสอบโดยตรง | |
แถวสุดท้ายเป็นข้อวิพากษ์ของผู้นำเสนอจากการอ่านบทความทั้งสองเรื่อง ไม่ใช่ข้อสรุปที่ผู้เขียนบทความระบุไว้เอง
ข้อสอบอัตนัยคือจุดที่ ข้อมูลเชิงคุณภาพถูกแปลงเป็นตัวเลข
คำตอบเขียนของนักเรียนเป็นข้อความ ซึ่งเป็นข้อมูลเชิงคุณภาพโดยธรรมชาติ การให้คะแนนตามรูบริคคือการทำ data transformation หรือที่วรรณกรรมผสานวิธีเรียกว่า quantitizing เครื่องมือชิ้นนี้จึงยืนอยู่บนรอยต่อของสองกระบวนทัศน์ ไม่ใช่เครื่องมือเชิงปริมาณล้วน
คะแนนคือผลของการตีความ
ก่อนจะมีตัวเลข ต้องมีคนอ่านและตัดสินความหมายของข้อความก่อนเสมอ ความสอดคล้องระหว่างผู้ตรวจจึงเทียบได้กับ ความสอดคล้องระหว่างผู้ลงรหัส (intercoder agreement) ในงานเชิงคุณภาพ
ข้อมูลชุดเดียวใช้ได้สองทาง
คำตอบชุดเดียวกันให้ทั้งคะแนนไปวิเคราะห์สถิติ และตัวบทไปวิเคราะห์เนื้อหาเพื่อหา ความเข้าใจคลาดเคลื่อนของผู้เรียน ซึ่งข้อสอบปรนัยให้ไม่ได้
ใช้เป็นสะพานของแบบแผน
ในแบบแผนอธิบายเชิงลำดับ ผลคะแนนใช้เลือกผู้ให้ข้อมูลไปสัมภาษณ์ต่อ และคำตอบเขียนใช้เป็นฐานตั้งคำถามสัมภาษณ์ ทำให้การเชื่อมสองระยะมีหลักฐานรองรับ
ผู้ตรวจสองคน คำตอบเดียวกัน จะได้คะแนนตรงกันไหม
ข้อจำกัดที่ต้องพูดให้ชัด ผู้ตรวจสองคนนี้มาจากแบบจำลองเดียวกัน จึงไม่เป็นอิสระต่อกันจริง ค่าที่เห็นจึงใช้แทนค่าความสอดคล้องระหว่างผู้ตรวจในงานวิจัยไม่ได้ สิ่งที่สาธิตนี้แสดงคือ กลไกที่ทำให้ผู้ตรวจเห็นต่าง ไม่ใช่ตัวเลขคุณภาพเครื่องมือ
แก้ข้อคำถาม เกณฑ์ หรือคำตอบด้านซ้ายแล้วกดปุ่มเพื่อเริ่ม ถ้ายังไม่ได้ตั้งค่า API Key ให้กดปุ่มรูปเฟือง
ลองแก้คำตอบให้กำกวมขึ้น เช่น ตัดคำว่าโครโมโซมเพศออก แล้วดูว่าผู้ตรวจเริ่มเห็นต่างกันเมื่อใด
เกณฑ์ที่ยุติธรรมคือ เทียบกับครูสองคน ไม่ใช่เทียบกับความสมบูรณ์แบบ
ถ้าจะเสนอให้ระบบอัตโนมัติช่วยตรวจข้อสอบอัตนัย หลักฐานที่หนักแน่นที่สุดไม่ใช่แบบสอบถามความพึงพอใจของครู แต่คือ ความสอดคล้องระหว่างระบบกับครูผู้เชี่ยวชาญ เทียบกับความสอดคล้องระหว่างครูด้วยกันเอง
แนวทางนี้เป็นการสังเคราะห์จากวรรณกรรมการวัดผล ถ้าจะใช้ในดุษฎีนิพนธ์ต้องอ้างตำราการวัดผลที่ให้วิธีการนี้ไว้โดยตรง
สี่คำถามที่ยังไม่มีข้อยุติ
ความเป็นอิสระของข้อในสถานการณ์เดียวกัน
MEQ ตั้งอยู่บนการไล่ขั้น แต่ทฤษฎีการตอบสนองข้อสอบต้องการให้ข้อเป็นอิสระต่อกัน สองอย่างนี้ขัดกันในทางทฤษฎีหรือไม่ และควรตรวจสอบด้วยหลักฐานอะไร
กติกาห้ามย้อนกลับกับความเที่ยงตรง
การห้ามย้อนกลับทำให้เห็นกระบวนการคิดตามลำดับจริง แต่ในชีวิตจริงการแก้ปัญหามักย้อนกลับไปทบทวนสมมติฐาน กติกานี้เพิ่มหรือลดความเที่ยงตรงเชิงสภาพ
ค่าความสอดคล้องระหว่างผู้ตรวจที่หายไป
งานที่ใหม่กว่าและใช้สถิติสูงกว่ากลับไม่รายงานค่าที่ตอบจุดอ่อนหลักของอัตนัยโดยตรง ควรถือว่าเป็นข้อบกพร่องที่ต้องแก้ก่อนตีพิมพ์ หรือเป็นเรื่องที่ยอมรับได้ในทางปฏิบัติ
ถ้า AI ตรวจได้เท่าครู แล้วอะไรเปลี่ยน
ถ้าเครื่องตรวจได้สอดคล้องกับครูเท่ากับที่ครูสองคนสอดคล้องกันเอง ข้อจำกัดเรื่องภาระการตรวจก็หมดไป และเหตุผลที่เราหลีกเลี่ยงข้อสอบอัตนัยมาตลอดจะยังเหลืออยู่หรือไม่
แบบทดสอบอัตนัย สรุปในหน้าเดียว
สองชนิด
ไม่จำกัดการตอบ กับ จำกัดการตอบ ต่างกันที่ระดับการควบคุมความคลาดเคลื่อนของผู้ตรวจ
วัดการคิดขั้นสูง
วิเคราะห์ ประเมินค่า สร้างสรรค์ ทักษะการเขียน และไม่มีการเดา
อยู่ที่การตรวจ
อคติผู้ตรวจ ความกำกวมของคำถาม และจำนวนข้อที่น้อย
7 หลักการ
หัวใจคือทำพิมพ์เขียวก่อน และ เขียนเกณฑ์ตรวจไปพร้อมข้อคำถาม
เลือกชนิดก่อนสร้าง
งานวัดสมรรถนะหลายองค์ประกอบใช้แบบแยกองค์ประกอบ และเขียนคำอธิบายระดับที่สังเกตได้
PE และ D
สูตรวิทนีย์และซาเบอร์ เทคนิค 25% เกณฑ์ความยาก 0.20 ถึง 0.80 และอำนาจจำแนก 0.20 ขึ้นไป
แอลฟา 0.70 ขึ้นไป
ใช้แอลฟาเพราะคะแนนต่อข้อมากกว่า 1 คะแนน ไม่ใช้ KR-20
ความสอดคล้องระหว่างผู้ตรวจ
รูบริครายบุคคลใช้ ICC ตัดสินเป็นหมวดใช้ kappa ค่านี้คือหลักฐานว่าจุดอ่อนถูกจัดการแล้ว
รายการอ้างอิง และสถานะของแหล่ง
แหล่งปฐมภูมิที่อ่านเต็มฉบับ
ปาริฉัตร สินทรัพย์ไพบูลย์ และ กฤธยากาญจน์ โตพิทักษ์. (2563). การพัฒนาแบบทดสอบอัตนัยประยุกต์วัดความสามารถในการแก้โจทย์ปัญหาฟิสิกส์ ตามแนวคิดการแก้ปัญหาเชิงตรรกะของเฮลเลอร์และเฮลเลอร์ เรื่อง ไฟฟ้าสถิต สำหรับนักเรียนชั้นมัธยมศึกษาปีที่ 5. Online Journal of Education, 15(2), Article ID: OJED-15-02-010.
ฟิรดาวส์ ปิยานนท์พงศ์, ณรงค์ศักดิ์ รอบคอบ, จิระวัฒน์ ตันสกุล และ ธีระยุทธ รัชชะ. (2568). การพัฒนาแบบสอบอัตนัยประยุกต์สำหรับวัดความสามารถในการแก้ปัญหาทางชีววิทยา ระดับชั้นมัธยมศึกษาปีที่ 4 โดยประยุกต์ใช้ทฤษฎีการตอบสนองข้อสอบแบบพหุวิภาค. วารสารศึกษาศาสตร์ มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี, 36(2), 122-132.
มนตรี วงษ์สะพาน. (2563). พื้นฐานการวิจัยทางหลักสูตรและการสอน (พิมพ์ครั้งที่ 2). มหาสารคาม: ตักสิลาการพิมพ์. เนื้อหาที่ใช้อยู่ที่ น.201-215 และ น.233-260
แหล่งทุติยภูมิ อ้างถึงในบทความข้างต้น ยังไม่ได้ตรวจต้นฉบับ
Feletti, G. I. (1980) และ Feletti, G. I., & Engle, C. E. (1980). อ้างถึงใน ปาริฉัตร สินทรัพย์ไพบูลย์ และ กฤธยากาญจน์ โตพิทักษ์ (2563) และใน ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ (2568). ที่มาของเกณฑ์ 5 ถึง 35 ข้อ และการเผื่อเวลาร้อยละ 30
Heller, P., & Heller, K. (2000). อ้างถึงใน ปาริฉัตร สินทรัพย์ไพบูลย์ และ กฤธยากาญจน์ โตพิทักษ์ (2563). กลวิธีการแก้ปัญหาเชิงตรรกะ 5 ขั้น
Iramaneerat, C. (2015) และ Phadungphon (2017). อ้างถึงใน ฟิรดาวส์ ปิยานนท์พงศ์ และคณะ (2568).
Whitney, D. R., & Sabers, D. L. (1970). อ้างถึงใน มนตรี วงษ์สะพาน (2563, น.251). สูตรความยากและอำนาจจำแนกของข้อสอบอัตนัย
ล้วน สายยศ และ อังคณา สายยศ. (2539); Chaichanawirote & Vantum (2017); Kanchanawasi (2012); Morizot, Ainsworth, & Reise (2007); ศิริชัย กาญจนวาสี (2556); กติกร กมลรัตนะสมบัติ (2558). อ้างถึงในบทความทั้งสองเรื่อง
เนื้อหาที่เป็นการสังเคราะห์ ไม่มีเลขหน้าในตำราที่อ้าง
รูบริคสองชนิดและหลักเขียนคำอธิบายระดับ 6 ข้อ, ICC และ Cohen's kappa, แนวทางเทียบความสอดคล้องระบบอัตโนมัติกับครู, และรายชื่ออคติของผู้ตรวจ ถ้านำไปใช้ในดุษฎีนิพนธ์ ต้องอ้างตำราการวัดผลที่ให้เนื้อหานั้นไว้โดยตรง ไม่ใช่อ้างจากสไลด์ชุดนี้ เกณฑ์แปลผลที่ปรากฏอ้างถึง Landis and Koch (1977) และ Koo and Li (2016) ตามลำดับ
สูตรที่ใช้กับแบบทดสอบอัตนัย พร้อมนิยามตัวแปร
| ค่าที่หา | สูตร | นิยามตัวแปรและเกณฑ์ |
|---|---|---|
| IOC | IOC = ΣR ÷ N | ΣR ผลรวมคะแนนผู้เชี่ยวชาญ (+1, 0, -1), N จำนวนผู้เชี่ยวชาญ, เกณฑ์ตั้งแต่ 0.50 ขึ้นไป |
| ความยาก PE | PE = [SU + SL − (2N × Xmin)] ÷ [2N (Xmax − Xmin)] | SU ผลรวมคะแนนกลุ่มเก่ง, SL ผลรวมคะแนนกลุ่มอ่อน, N จำนวนผู้เข้าสอบของกลุ่มใดกลุ่มหนึ่ง, Xmax และ Xmin คะแนนสูงสุดและต่ำสุดที่ทำได้จริง |
| อำนาจจำแนก D | D = (SU − SL) ÷ [N (Xmax − Xmin)] | ตัวแปรเดียวกับ PE แบ่งกลุ่มด้วยเทคนิค 25% ใช้เกณฑ์ตารางเดียวกับข้อสอบอิงกลุ่ม |
| แอลฟาของครอนบาค | α = [k ÷ (k − 1)] × [1 − (ΣSi2 ÷ St2)] | k จำนวนข้อ, Si2 ความแปรปรวนรายข้อ, St2 ความแปรปรวนของคะแนนรวม, เกณฑ์ 0.70 ขึ้นไป และค่าติดลบได้ในทางคณิตศาสตร์ |
| Cohen's kappa | κ = (po − pe) ÷ (1 − pe) | po สัดส่วนที่ตัดสินตรงกันจริง, pe สัดส่วนที่คาดว่าตรงกันโดยบังเอิญ จากผลรวมของผลคูณสัดส่วนขอบของผู้ตรวจสองคนในแต่ละหมวด |
| วิธีฮอยท์ | rtt = 1 − (MSe ÷ MSp) | ใช้กับผู้ให้คะแนนหลายคน องศาอิสระที่ตำราไทยใช้ต่างจากรูปมาตรฐาน ต้องตรวจต้นทาง ศิริชัย กาญจนวาสี (2544) ก่อนใช้ |
สูตรทั้งหมดยกเว้น kappa มาจาก มนตรี วงษ์สะพาน (2563, น.235-260)
เกณฑ์ตัดสิน ที่ใช้กับข้อสอบอัตนัย
| ค่าความยาก | การแปลผล |
|---|---|
| 0.81 ถึง 1.00 | ง่ายเกินไป ควรตัดหรือปรับ |
| 0.60 ถึง 0.80 | ค่อนข้างง่าย ใช้ได้ |
| 0.40 ถึง 0.59 | ปานกลาง ดีที่สุด |
| 0.20 ถึง 0.39 | ค่อนข้างยาก ใช้ได้ |
| 0.00 ถึง 0.19 | ยากเกินไป ควรตัดหรือปรับ |
ทั้งสองบทความยึดช่วงใช้ได้ที่ 0.20 ถึง 0.80 ตรงกัน
| ค่าอื่น | เกณฑ์ |
|---|---|
| อำนาจจำแนก D | 0.20 ขึ้นไป ยิ่งสูงยิ่งดี |
| IOC | 0.50 ขึ้นไป หรือ 0.80 ขึ้นไปตามสำนักที่อ้าง |
| แอลฟา | 0.70 ขึ้นไป |
| วิธีฮอยท์ | 0.70 ขึ้นไป |
| ICC | 0.75 ขึ้นไปถือว่าดี สูงกว่า 0.90 ดีเยี่ยม (Koo and Li, 2016) |
| Cohen's kappa | 0.61 ขึ้นไปถือว่าดี (Landis and Koch, 1977) |
ICC และ kappa ไม่ได้อยู่ในตำราไทยเล่มที่อ้าง ต้องระบุแหล่งการวัดผลที่ใช้จริงเมื่อนำไปเขียน
ขั้นตอนการสร้างเครื่องมือ เทียบกันทีละขั้น
| ขั้น | ฟิสิกส์ ม.5 (2563) | ชีววิทยา ม.4 (2568) |
|---|---|---|
| กำหนดจุดมุ่งหมาย | วัดความสามารถแก้โจทย์ปัญหาฟิสิกส์ และฝึกให้คิดตามแนวคิดของเฮลเลอร์และเฮลเลอร์ | วัดความสามารถแก้ปัญหาทางชีววิทยาตามวิธีการทางวิทยาศาสตร์ 5 ขั้น |
| กำหนดขอบเขตเนื้อหา | ไฟฟ้าสถิต 4 จุดประสงค์ คือ กฎของคูลอมบ์ สนามไฟฟ้า ศักย์ไฟฟ้า และความจุไฟฟ้า | พันธุศาสตร์ 4 เรื่อง คือ โครโมโซมและสารพันธุกรรม การถ่ายทอดลักษณะ เทคโนโลยีดีเอ็นเอ และวิวัฒนาการ |
| เขียนข้อสอบ | สร้างเผื่อ 8 สถานการณ์ 40 ข้อ | สร้าง 4 สถานการณ์ 20 ข้อ พร้อมแนวคำตอบและเกณฑ์ 0, 1, 2 |
| ตรวจโดยผู้เชี่ยวชาญ | อาจารย์ที่ปรึกษาตรวจภาษาและรูปแบบก่อน แล้วผู้เชี่ยวชาญตรวจความตรงเชิงเนื้อหา | ผู้เชี่ยวชาญให้ค่า IOC เทียบข้อคำถามกับผลการเรียนรู้ |
| ทดลองใช้ | ครั้งที่ 1 กับ 100 คน เพื่อคัดข้อ แล้วครั้งที่ 2 กับ 150 คน | ทดลองใช้ 30 คน แล้วเก็บจริง 540 คน จาก 9 โรงเรียน |
| หาความสอดคล้องผู้ตรวจ | ผู้ตรวจ 2 คน คือผู้วิจัยและครูฟิสิกส์ ตรวจงานของ 30 คน ได้ 0.904 | ไม่ได้รายงาน |
| วิเคราะห์ทั้งฉบับ | ใช้ข้อมูล 120 คน หาแอลฟา และทำ CFA ด้วยโปรแกรม Mplus | ตรวจความเป็นเอกมิติ แล้ววิเคราะห์ G-PCM และสร้างเกณฑ์ปกติ |
| ผลผลิตท้ายสุด | แบบทดสอบพร้อม คู่มือการใช้ และจัดทำรูปเล่ม | แบบสอบพร้อม เกณฑ์ปกติ 4 ระดับ สำหรับแปลผลคะแนน |
เกณฑ์ปกติ และสารสนเทศรายระดับความสามารถ
| การแปลผล | คะแนนทีปกติ | คะแนนดิบ |
|---|---|---|
| สูงมาก | 55 ถึง 69 | 30 ถึง 40 |
| สูง | 41 ถึง 54 | 19 ถึง 29 |
| ปานกลาง | 25 ถึง 39 | 7 ถึง 18 |
| ควรปรับปรุง | 15 ถึง 23 | 0 ถึง 6 |
คะแนนดิบที่พบจริงอยู่ระหว่าง 13 ถึง 38 คะแนน ตำแหน่งเปอร์เซ็นไทล์ 3.80 ถึง 96.10 สังเกตว่าไม่มีนักเรียนคนใดได้คะแนนเต็ม และช่วงคะแนนทีในตารางมีรอยต่อที่ไม่ต่อเนื่อง เช่น 23 ถึง 25 ซึ่งเป็นจุดที่ควรถามผู้เขียน
| ระดับความสามารถ θ | สารสนเทศ | ความคลาดเคลื่อนมาตรฐาน |
|---|---|---|
| -3.0 | 1.546 | 0.804 |
| -1.6 | 2.615 | 0.618 |
| 0 | 5.924 | 0.411 |
| 0.8 | 7.165 | 0.374 |
| 1.6 | 5.612 | 0.422 |
| 3.0 | 2.290 | 0.661 |
สารสนเทศสูงสุดที่ θ = 0.8 แปลว่าแบบสอบวัดได้แม่นที่สุดกับผู้สอบระดับปานกลางค่อนไปทางสูง และแม่นน้อยลงมากที่ปลายทั้งสองด้าน