การวิเคราะห์โปรไฟล์แฝงของการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ ของนักศึกษาคณะศึกษาศาสตร์

Main Article Content

มนัสนันท์ น้ำสมบุรณ์

บทคัดย่อ

           การวิจัยครั้งนี้ใช้กรอบแนวคิดเชิงทฤษฎีของโมเดลการยอมรับเทคโนโลยี (Technology acceptance model: TAM) เป็นการวิจัยเชิงบรรยาย มีวัตถุประสงค์เพื่อ 1) ศึกษาโปรไฟล์แฝงของการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ของนักศึกษาคณะศึกษาศาสตร์ และ 2) เปรียบเทียบระดับความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ระหว่างกลุ่มโปรไฟล์แฝงของนักศึกษาคณะศึกษาศาสตร์ กลุ่มตัวอย่างคือนักศึกษาคณะศึกษาศาสตร์ มหาวิทยาลัยศิลปากร จำนวน 658 คน สุ่มตัวอย่างแบบ 2 ขั้นตอน เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบวัดการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ ประกอบด้วย การรับรู้สมรรถนะทางคอมพิวเตอร์ การรับรู้ความง่ายในการใช้งาน การรับรู้ประโยชน์ และความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ มีค่าความเที่ยงอยู่ระหว่าง 0.84 -0.89  วิเคราะห์ข้อมูลด้วย การหาความถี่ ร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน การวิเคราะห์ความแปรปรวน และการวิเคราะห์โปรไฟล์แฝงด้วยโปรแกรมอาร์
           ผลการวิจัยพบว่า 1) โปรไฟล์แฝงของการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ของนักศึกษาคณะศึกษาศาสตร์ พบว่าโมเดลกลุ่มโปรไฟล์แฝงจำนวน 5 กลุ่มนั้นมีความสอดคล้องกับข้อมูลเชิงประจักษ์มากที่สุด (AIC=6,196, BIC=6,322, Entropy=0.82, BLRT p<0.01) และ 2) ระดับความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ระหว่างกลุ่มโปรไฟล์แฝงของนักศึกษาคณะศึกษาศาสตร์ พบว่ากลุ่มโปรไฟล์ของนักศึกษาที่แตกต่างกันจะมีความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ที่แตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยกลุ่มศักยภาพการเรียนออนไลน์สูงเป็นกลุ่มที่มีระดับค่าเฉลี่ยความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์สูงที่สุด และโมเดลการยอมรับเทคโนโลยีเป็นองค์ประกอบสำคัญของกลุ่มโปรไฟล์แฝงในการสร้างการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์

Article Details

บท
บทความวิจัย

References

ธัชพงศ์ เศรษฐบุตร และอัครเดช เกตุฉ่ำ. (2564). โมเดลความสัมพันธ์เชิงสาเหตุความตั้งใจใช้การเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ของนักศึกษาในช่วงการระบาดของโรคโควิด 19: การวิเคราะห์โมเดลสมการโครงสร้าง. วารสารวิชาการวิทยาลัยสันตพล. 7 (2), 155-166.

อัครเดช เกตุฉ่ำ และธัชพงศ์ เศรษฐบุตร. (2563). คุณสมบัติทางจิตมิติของแบบวัดความพึงพอใจในชีวิตฉบับภาษาไทยของนักเรียนชั้นมัธยมศึกษาตอนปลาย: การทดสอบความไม่แปรเปลี่ยนระหว่างเพศ. วารสารมนุษยศาสตร์และสังคมศาสตร์มหาวิทยาลัยราชพฤกษ์. 6 (1), 186-197.

อัครเดช เกตุฉ่ำ. (2564). การทดสอบอิทธิพลกำกับของเพศต่อโมเดลการยอมรับการเรียนรู้ผ่านสื่ออิเล็กทรอนิกส์ของนักศึกษา. วารสารศิลปากรศึกษาศาสตร์วิจัย. 13 (2), 461-479.

Aguilera-Hermida, A. P. (2020). College students’ use and acceptance of emergency online learning due to Covid-19. International Journal of Educational Research Open, 1, Article 100011. https://doi.org/10.1016/j.ijedro.2020.100011

Al-Azawei, A., Parslow, P., & Lundqvist, K. (2017). Investigating the Effect of Learning Styles in a Blended E-learning System: An Extension of the Technology Acceptance Model (TAM). Australasian Journal of Educational Technology, 33 (2), 1-23.

Al-Okaily, M., Alqudah, H., Matar, A., Lutfi, A. A., & Taamneh, A. (2020). Impact of Covid-19 Pandemic on Acceptance of E-learning System in Jordan: A Case of Transforming the Traditional Education Systems. Humanities and social Sciences Review, 6(4), 840-851.

Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003.

Hubbard, J. A., Smith, M. A., & Rubin, R. M. (2013). Use of latent profile analysis to assess the validity of a peer-rejected group of children. Journal of Clinical Child & Adolescent Psychology, 42(6), 843-854.

Karpouzas, G. A., Strand, V., & Ormseth, S. R. (2018). Latent profile analysis approach to the relationship between patient and physician global assessments of rheumatoid arthritis activity. RMD open, 4(1), 1-10. doi:10.1136/rmdopen-2018-000695

Sukendro, S., Habibi, A., Khaeruddin, K., Indrayana, B., Syahruddin, S., Makadada, F. A., & Hakim, H. (2020). Using an Extended Technology Acceptance Model to Understand Students’ Use of E-learning During Covid-19: Indonesian Sport Science Education Context. Heliyon, 6(11), e05410.

Tarhini, A., Hone, K., & Liu, X. (2014). Measuring the Moderating Effect of Gender and Age on E-learning Acceptance in England: A Structural Equation Modeling Approach for an Extended Technology Acceptance Model. Journal of Educational Computing Research, 51(2), 163-184.

Tein, J. Y., Coxe, S., & Cham, H. (2013). Statistical Power to Detect the Correct Number of Classes in Latent Profile Analysis. Structural equation modeling: a multidisciplinary journal, 20(4), 640-657.

Weller, B. E., Bowen, N. K., & Faubert, S. J. (2020). Latent class analysis: a guideto best practice. Journal of Black Psychology, 46(4), 287-311.

Yu, M., Chasson, G. S., Wang, M., Zhu, Y., Xu, Q., & Wang, J. (2018). The latent profile analysis of Chinese adolescents’ anxiety: Examination and validation. Journal of Anxiety Disorders, 59, 74–81. https://doi.org/10.1016/j.janxdis.2018.09.005