Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/32472
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorโชติกา ภาษีผล-
dc.contributor.advisorศิริชัย กาญจนวา-
dc.contributor.authorศิริรัตน์ สุคันธพฤกษ์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะครุศาสตร์-
dc.date.accessioned2013-06-25T04:27:31Z-
dc.date.available2013-06-25T04:27:31Z-
dc.date.issued2553-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/32472-
dc.descriptionวิทยานิพนธ์ (ค.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553en_US
dc.description.abstractการวิจัยครั้งนี้มีวัตถุประสงค์ 3 ประการ คือ 1) เพื่อวิเคราะห์ข้อคำถามในแบบวัดความวิตกกังวลในการสอบคณิตศาสตร์ ด้วย Hierarchical Linear Model โดยการประมาณค่าพารามิเตอร์ของข้อคำถาม พารามิเตอร์ของผู้สอบ และผลของตัวแปรคุณลักษณะภายในของผู้สอบต่อโอกาสการตอบข้อคำถามได้ถูกต้อง 2) เพื่อเปรียบเทียบและศึกษาสหสัมพันธ์ของผลการประมาณค่าพารามิเตอร์ของ ข้อคำถามและพารามิเตอร์ของผู้สอบระหว่างการประมาณค่าด้วย Hierarchical Linear Model (HLM), Partial Credit Model (PCM) และ Graded Response Model (GRM) 3) เพื่อเปรียบเทียบผลการตรวจสอบการทำหน้าที่ต่างกันของข้อสอบ (DIF) ระหว่าง Hierarchical Linear Model, Partial Credit Model และ Graded Response Model กลุ่มตัวอย่างที่ใช้ในการวิจัยเป็นนักเรียนชั้นมัธยมศึกษาปีที่ 6 สายวิทย์-คณิต ปีการศึกษา 2552 จำนวน 1,715 คน จาก 29 โรงเรียนในสังกัดสำนักงานเขตพื้นที่การศึกษาพระนครศรีอยุธยาเขต 1 และเขต 2 สำนักงานเขตพื้นที่การศึกษาอ่างทองและสำนักงานเขตพื้นที่การศึกษานนทบุรี ซึ่งได้มาจากการสุ่มตัวอย่างแบบยกชั้น เครื่องมือที่ใช้ในการวิจัยประกอบด้วย แบบวัดความวิตกกังวลในการสอบคณิตศาสตร์ แบบวัดการรับรู้ความคาดหวังของผู้ปกครอง แบบวัดการสนับสนุนทางสังคม แบบวัดการเตรียมตัวสอบ แบบวัดกลยุทธ์ในการสอบ แบบวัดเจตคติต่อการเรียนคณิตศาสตร์ และแบบวัดแรงจูงใจใฝ่สัมฤทธิ์ทางการเรียนคณิตศาสตร์ การวิเคราะห์ข้อมูลดำเนินการใน 3 ขั้นตอน คือ 1) ประมาณค่าพารามิเตอร์ของข้อคำถาม พารามิเตอร์ของผู้สอบ และศึกษาผลของ ตัวแปรคุณลักษณะผู้สอบด้วยการวิเคราะห์ HLM โดยใช้โปรแกรม HLM 2) ประมาณค่าพารามิเตอร์ของข้อคำถาม พารามิเตอร์ของผู้สอบ ด้วยการวิเคราะห์ PCM และ GRM โดยใช้โปรแกรม PARSCALE จากนั้นเปรียบเทียบผลการประมาณค่ากับ HLM 3) เปรียบเทียบผลการวิเคราะห์การทำหน้าที่ต่างกันของข้อสอบด้วย HLM โดยใช้โปรแกรม HLM กับ PCM และ GRM โดยใช้โปรแกรม PARSCALE ผลการวิจัยสรุปได้ดังนี้ 1. ผลการวิเคราะห์ด้วย HLM โดยใช้โปรแกรม HLM พบว่า สามารถประมาณค่าพารามิเตอร์ความยากได้อย่างคงเส้นคงวา โดยมีความคลาดเคลื่อนมาตรฐานของการประมาณค่าเฉลี่ย 0.074 และสามารถประมาณค่าพารามิเตอร์ของผู้สอบใน residual file และผลการศึกษาตัวแปรคุณลักษณะนักเรียน พบว่า ตัวแปรเพศ การรับรู้ความคาดหวังของผู้ปกครองและเจตคติต่อการเรียนคณิตศาสตร์ส่งผลต่อค่าเฉลี่ยโอกาสการตอบข้อคำถามถูกต้องอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 2. สหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ความยากของข้อคำถามระหว่าง HLM กับ PCM มีค่าอยู่ระหว่าง .899 – .929 สหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ความยากของข้อคำถามระหว่าง HLM กับ GRM มีค่า .996 ส่วนสหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ความยากของข้อคำถามระหว่าง PCM กับ GRM มีค่า .908 - .918 และผลการประมาณค่าพารามิเตอร์ของผู้สอบระหว่าง HLM , PCM และ GRM พบว่า สหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ผู้สอบระหว่าง HLM กับ PCM มีค่า .390 สหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ผู้สอบระหว่าง HLM กับ GRM มีค่า .437 ส่วนสหสัมพันธ์ระหว่างการประมาณค่าพารามิเตอร์ผู้สอบ ระหว่าง PCM กับ GRM มีค่า .798 3. ผลการตรวจสอบการทำหน้าที่ต่างกันของข้อสอบ พบว่า ข้อคำถามที่ทำหน้าที่ต่างกันของข้อร่วมระหว่าง HLM โดยใช้โปรแกรม HLM กับ PCM โดยใช้โปรแกรม PARSCALE มี 7 ข้อ จาก 39 ข้อ คิดเป็นร้อยละ 17.94 ข้อคำถามที่ทำหน้าที่ต่างกันของร่วมระหว่าง HLM โดยใช้โปรแกรม HLM กับ GRM โดยใช้โปรแกรม PARSCALE มี 9 ข้อ จาก 39 ข้อ คิดเป็นร้อยละ 23.07 และข้อคำถามที่ทำหน้าที่ต่างกันของร่วมระหว่าง PCM กับ GRM โดยใช้โปรแกรม PARSCALE มี 6 ข้อ จาก 39 ข้อ คิดเป็นร้อยละ 15.38en_US
dc.description.abstractalternativeThis research had three objectives: 1) to analyze items in Mathematics Test Anxiety Scale using Hierarchical Linear Model by the estimation of item parameters, person parameters and to examine the effects of person characteristic variables on the probability of item correct response 2) to compare and study correlation of the estimation of item and person parameters among Hierarchical Linear Model (HLM), Partial Credit Model (PCM) and Graded Response Model (GRM) 3) to compare the Differential Item Functioning (DIF) detecting among Hierarchical Linear Model, Partial Credit Model and Graded Response Model The samples were 1,715 Mathayomsuksa 6 students who were studying in Math-science classes in 2009 academic year. Samples were drawn from 29 schools under the jurisdiction of the Pranakhon Sri Ayutthaya Educational Service Area Office 1 and 2, the Angthong Educational Service Area Office, and the Nonthaburi Educational Service Area Office using cluster random sampling technique. Data were collected though 7 instruments: The Mathematics Test Anxiety Scale, The Perception of Parent Expectation Scale, The Social Supporting Scale, the Test Preparing Scale, The Strategy Testing Scale, The Attitude Scale towards Mathematics, and The Motivation Scale towards Mathematics. There were three steps of data analysis: 1) the estimation of item and person parameters, and the study of effects of person characteristics on the probability of correct response from HLM using HLM program 2) the estimation of item and person parameters from PCM and GRM using PARSCALE, then the comparison with HLM 3) the comparison of results of differential item functioning analysis among HLM using HLM program and PCM and GRM using PARSCALE. The major findings were: 1. The item analysis by HLM using HLM program estimated difficulty parameters consistently. The mean of standard error of estimation was 0.074. This method also estimated person parameters in the residual file. The results of student’s characteristic study also found that gender, perception of parent expectation and attitude towards Mathematics significantly affected the averaged probability of correct response at .05 level. 2. The correlations between difficulty parameter estimation derived from HLM and PCM were .899 – .929, between HLM and GRM was .996 and between PCM and GRM was .908 - .918. The person parameter estimation using the three models yielded that person parameter correlation between HLM and PCM was .390, person parameter correlation between HLM and GRM was .437 and person parameter correlation between PCM and GRM was .798. 3. The results from differential item functioning (DIF) examination detected 7 common items from 39 items between HLM using HLM and PCM using PARSCALE (17.94%), 8 common items from 39 items between HLM using HLM and GRM using PARSCALE (23.07%) and 6 common items from 39 items between PCM and GRM using PARSCALE (15.38%)en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2010.1640-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectคณิตศาสตร์ -- การศึกษาและการสอน -- แง่จิตวิทยาen_US
dc.subjectความวิตกกังวลในวิชาคณิตศาสตร์en_US
dc.subjectการสอบ -- ความตรงen_US
dc.subjectการสอบ -- คำถามen_US
dc.subjectการทดสอบทางจิตวิทยาen_US
dc.subjectความสามารถทางคณิตศาสตร์ -- การทดสอบen_US
dc.subjectMathematics -- Study and teaching -- Psychological aspectsen_US
dc.subjectMath anxietyen_US
dc.subjectExaminations -- Validityen_US
dc.subjectExaminations -- Questionsen_US
dc.subjectPsychological testsen_US
dc.subjectMathematical ability -- Testingen_US
dc.titleการวิเคราะห์ข้อคำถามในแบบวัดความวิตกกังวลในการสอบคณิตศาสตร์ : การเปรียบเทียบระหว่างไฮราซิคอลลิเนียร์โมเดล พาเซียลเครดิตโมเดลและเกรดเรสพอนส์โมเดลen_US
dc.title.alternativeAn item analysis in a mathematics test anxiety scale : a comparison among hierarchical linear model partial credit model and graded response modelen_US
dc.typeThesisen_US
dc.degree.nameครุศาสตรดุษฎีบัณฑิตen_US
dc.degree.levelปริญญาเอกen_US
dc.degree.disciplineการวัดและประเมินผลการศึกษาen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorไม่มีข้อมูล-
dc.email.advisorไม่มีข้อมูล-
dc.identifier.DOI10.14457/CU.the.2010.1640-
Appears in Collections:Edu - Theses

Files in This Item:
File Description SizeFormat 
Sirirat_su.pdf2.26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.