คลังความรู้
วัดพัฒนาการก่อน–หลังเรียนให้น่าเชื่อถือ: t-test แบบไม่อิสระ ขนาดอิทธิพล และคะแนนพัฒนาการ
คู่มือ · 28 ก.ย. 69
แท็ก: สถิติ, ก่อนเรียนหลังเรียน, t-test, effect size, normalized gain
งานวิจัยในชั้นเรียนส่วนใหญ่เปรียบเทียบคะแนนก่อนเรียนและหลังเรียนของนักเรียนกลุ่มเดียวกัน การรายงานแค่ "ค่าเฉลี่ยหลังเรียนสูงกว่าก่อนเรียน" ยังไม่พอ คู่มือนี้สรุป 3 ค่าที่ควรรายงานคู่กัน เพื่อให้กรรมการเห็นว่าพัฒนาการเกิดขึ้นจริง มีขนาดเท่าใด และเทียบกับโอกาสที่เพิ่มได้
3 ค่าที่ควรรายงานคู่กัน
- t-test แบบไม่อิสระ
- ตอบว่าคะแนนหลังเรียนสูงกว่าก่อนเรียนอย่างมีนัยสำคัญทางสถิติหรือไม่ (ใช้กับกลุ่มเดียวกัน วัด 2 ครั้ง)
- ขนาดอิทธิพล (Cohen's d)
- ตอบว่าพัฒนาการ "มากแค่ไหน" ไม่ขึ้นกับจำนวนนักเรียน
- คะแนนพัฒนาการ (normalized gain)
- ตอบว่านักเรียนพัฒนาไปได้กี่ส่วนของคะแนนที่ยังพัฒนาได้
ขั้นตอนวิเคราะห์
- ขั้นที่ 1 ใช้แบบทดสอบฉบับเดียวกันหรือคู่ขนานทั้งก่อนและหลังเรียน ที่ผ่านการตรวจ IOC และหาค่าความเชื่อมั่นแล้ว
- ขั้นที่ 2 จับคู่คะแนนรายคน (ก่อน–หลัง) ตัดนักเรียนที่ขาดสอบครั้งใดครั้งหนึ่งออก และรายงานจำนวนที่เหลือ
- ขั้นที่ 3 หาผลต่างรายคน (หลัง − ก่อน) แล้วทดสอบด้วย t-test แบบไม่อิสระ (paired samples t-test) ในโปรแกรมสถิติหรือโปรแกรมตารางคำนวณ
- ขั้นที่ 4 คำนวณขนาดอิทธิพลและคะแนนพัฒนาการ แล้วรายงานทั้ง 3 ค่าในตารางเดียวกัน
สูตรและเกณฑ์แปลผล
- Cohen's d (กลุ่มเดียววัดซ้ำ)
- ค่าเฉลี่ยของผลต่างรายคน ÷ ส่วนเบี่ยงเบนมาตรฐานของผลต่างเกณฑ์ของ Cohen (1988): 0.2 = เล็ก · 0.5 = ปานกลาง · 0.8 = ใหญ่
- Normalized gain (g)
- (ร้อยละหลังเรียน − ร้อยละก่อนเรียน) ÷ (100 − ร้อยละก่อนเรียน)เกณฑ์ของ Hake (1998): ต่ำกว่า 0.3 = ต่ำ · 0.3–0.7 = ปานกลาง · มากกว่า 0.7 = สูง
ตัวอย่าง: ค่าเฉลี่ยก่อนเรียนร้อยละ 40 หลังเรียนร้อยละ 70 ได้ g = (70 − 40) ÷ (100 − 40) = 0.50 คือพัฒนาได้ครึ่งหนึ่งของคะแนนที่ยังพัฒนาได้ อยู่ในระดับปานกลาง
ข้อควรระวัง
- เกณฑ์เล็ก–กลาง–ใหญ่ของ Cohen เป็นแนวทางทั่วไป ควรเทียบกับงานวิจัยในบริบทใกล้เคียงประกอบ
- กลุ่มเดียววัดก่อน–หลังไม่มีกลุ่มควบคุม จึงสรุปว่าเกิดจากนวัตกรรมได้อย่างระมัดระวัง ควรมีข้อมูลเชิงคุณภาพ เช่น บันทึกการสังเกตหรือชิ้นงาน มายืนยันด้วย
- กลุ่มเล็กมาก (ต่ำกว่าประมาณ 15 คน) หรือคะแนนผลต่างเบ้มาก ควรพิจารณาสถิตินอนพาราเมตริก เช่น Wilcoxon signed-rank test
- ถ้าใช้ AI ช่วยคำนวณ ให้คำนวณซ้ำด้วยโปรแกรมเสมอ
แหล่งอ้างอิง
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Hake, R. R. (1998). Interactive-engagement versus traditional methods: A six-thousand-student survey of mechanics test data for introductory physics courses. American Journal of Physics, 66(1), 64–74.
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863.