การพัฒนาโมเดลการปรับตัวทางการเรียนรู้วิถีใหม่ของนักเรียนมัธยมศึกษาหลังวิกฤต COVID-19: การวิเคราะห์องค์ประกอบเชิงยืนยันลำดับที่สอง
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีความมุ่งหมายเพื่อพัฒนาและตรวจสอบความตรงของโมเดลการวัดการปรับตัวทางการเรียนรู้วิถีใหม่ของนักเรียนระดับมัธยมศึกษา หลังสถานการณ์แพร่ระบาดของโรค COVID-19 ในโรงเรียนภาคเหนือตอนบน สังกัดสำนักงานเขตพื้นที่การศึกษาขั้นพื้นฐาน จำนวน 1,295 คน เครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูล คือ แบบสอบถามการปรับตัวทางการเรียนรู้ จำนวน 54 ข้อ โดยมีค่าความเชื่อมั่น รายด้านระหว่าง 0.846 - 0.905 และวิเคราะห์ข้อมูลด้วยสถิติเชิงบรรยาย การวิเคราะห์สัมประสิทธิ์สหสัมพันธ์ (correlation analysis) และการวิเคราะห์องค์ประกอบเชิงยืนยันลำดับที่สอง (second-order confirmatory factor analysis) ผลการวิจัย พบว่า ผลการพัฒนาโมเดลการวัดการปรับตัวทางการเรียนรู้วิถีใหม่ของนักเรียนระดับมัธยมศึกษา หลังสถานการณ์แพร่ระบาดของโรค COVID-19 พบว่า มี 4 องค์ประกอบ 15 ตัวบ่งชี้ ได้แก่ 1) การดูแลร่างกายในการเรียน มี 2 ตัวบ่งชี้ คือ การลดโอกาสการเกิดโรคในการเรียน และการเสริมสร้างความแข็งแรงให้กับร่างกายในการเรียน 2) ความรู้สึกนึกคิดของตนเองต่อการเรียน มี 4 ตัวบ่งชี้ คือ การควบคุมอารมณ์ของตนเองในการเรียน ยืดหยุ่นต่อสถานการณ์ที่เกิดขึ้นในการเรียน การมีสมาธิในการเรียน และการแก้ไขปัญหาทางการเรียนด้วยตนเอง 3) บทบาทหน้าที่ในการเรียน มี 5 ตัวบ่งชี้ คือ เรียนรู้เทคโนโลยีในการเรียน ความกระตือรือร้นในการเรียนการพัฒนาตนเองในการเรียน การใช้สื่อและแอปพลิเคชันช่วยเรียน และการแบ่งเวลาระหว่างการเรียนและการทำกิจกรรมอื่น 4) การมีปฏิสัมพันธ์ระหว่างการเรียน มี 4 ตัวบ่งชี้ คือ การยอมรับความแตกต่างระหว่างนักเรียนด้วยกัน การแสดงออกที่เหมาะสมของนักเรียน การสอนเพื่อน ด้วยความเต็มใจ และการใช้ศักยภาพในการเรียนอย่างเต็มที่ และผลการตรวจสอบความตรงของโมเดล พบว่า โมเดลการวัดมีความสอดคล้องกลมกลืน โดยพิจารณาจากค่าไคสแควร์ (2) มีค่าเท่ากับ 34.402 ที่องศาอิสระ (df) เท่ากับ 94 ระดับนัยสำคัญเท่ากับ 0.7571 ค่าวัดความกลมกลืน (CFI) เท่ากับ 1.000 ค่าดัชนี TLI เท่ากับ 1.002 ค่าดัชนีรากของกำลังสองเฉลี่ยของค่าความแตกต่างโดยประมาณ (RMSEA) เท่ากับ 0.000 และค่าดัชนีรากที่สองของค่าเฉลี่ยกำลังสองของเศษเหลือในรูปแบบคะแนนมาตรฐาน (SRMR) เท่ากับ 0.011 ค่าน้ำหนักองค์ประกอบอันดับหนึ่งมีค่าอยู่ระหว่าง 0.649 - 0.898 ค่าน้ำหนักองค์ประกอบอันดับสองอยู่ระหว่าง 0.752-0.888 และมีค่าความแปรปรวนของการปรับตัวทางการเรียนรู้ของนักเรียน เท่ากับ 0.152
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นลิขสิทธิ์ของวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ก่อนเท่านั้น
เอกสารอ้างอิง
Alessandri, G., De Longis, E., Golfieri, F., & Crocetti, E. (2020). Can Self-Concept Clarity Protect against A Pandemic? A Daily Study on Self-Concept Clarity and Negative Affect during the COVID-19 Outbreak. Identity, 21(1), 6–19. https://doi.org/10.1080/15283488.2020.1846538
Andrews, M., & Roy, S. (1991). The adaptive self: Personal continuity and intentional self-development. In H. Leitner, J. C. Dill, & N. J. Thomas (Eds.), Advances in personal construct psychology (Vol. 1, pp. 1–31). Praeger Publishers.
Asghari, M., Dehghan, M., Shahinfar, S., & Manjiri, E. A. (2022). The role of self-concept, emotion regulation, and coronavirus anxiety in predicting self-care behaviors related with COVID-19 disease. Journal of Research in Psychological Health, 15(4), 39–44.
Ayres, J. S. (2020). The biology of physiological health. Cell, 181(2), 250–269. https://doi.org/10.1016/j.cell.2020.03.036
Bartlett, M. S. (1954). A note on the multiplying factors for various chi square approximations. Journal of the Royal Statistical Society: Series B (Methodological), 16(2), 296–298.
Basaure, M., Joignant, A., & Mascareño, A. (2021). Between distancing and interdependence: The conflict of solidarities in the COVID-19 pandemic. SAGE Journals, 64(5), 706–725. https://doi.org/10.1177/07311214211005492
Bentler, P. M., & Chou, C. P. (1987). Practical issues in structural modeling. Sociological Methods & Research, 16(1), 78–117. https://doi.org/10.1177/0049124187016001004
Brown, T. A. (2015). Confirmatory factor analysis for applied research. Guilford Publications.
Burhan, O., Orchida, F., & Hala, I. (2021). Student perspectives of online teaching and learning during the COVID-19 pandemic. Online Learning Journal, 25(4), 461-485. https://doi.org/10.24059/olj.v25i4.2523
Byrne, B. M. (2010). Structural equation modelling with AMOS: Basic concepts, applications, and programming. Routledge.
Caasi, N., & Pentang, J. (2022). Parental factors related to students’ self-concept and academic performance amid COVID-19 and distance learning. Universal Journal of Educational Research, 1(4), 202–209. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4295472
Elfirdoussi, S., Lachgar, M., Kabaili, H., Rochdi, A., Goujdami, D., & El Firdoussi, L. (2020). Assessing distance learning in higher education during the COVID-19 pandemic. Education Research International, 1-13. https://doi.org/10.1155/2020/8890633
English, H. B., & English, A. C. (1958). A comprehensive dictionary of psychological and psychoanalytical terms: A guide to usage. David McKay Company.
Gaurav, K., Sharma, A., & Chaudhary, R. (2021). Impact of COVID-19 on education: An Indian perspective. Journal of Ethnic and Cultural Studies, 8(1), 105-121. https://doi.org/10.1177/21501327211056800
Gopal, R., Singh, V., & Aggarwal, A. (2021). Impact of online classes on the satisfaction and performance of students during the pandemic period of COVID-19. Education and Information Technologies, 26, 6923–6947. https://doi.org/10.1007/s10639-021-10523-1
Hammami, A., Harrabi, B., Mohr, M., & Krustrup, P. (2020). Physical activity and coronavirus disease 2019 (COVID-19): specific recommendations for home-based physical training. Managing Sport and Leisure, 27(1–2), 26–31. https://doi.org/10.1080/23750472.2020.1757494
Kilday, J. E., & Ryan, A. M. (2022). The intersection of the peer ecology and teacher practices for student motivation in the classroom. Educational Psychology Review, 34(4), 2095–2127. https://doi.org/10.1007/s10648-022-09712-2
Kline, R. B. (2015). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
Lassoued, Z., Alhendawi, M., & Bashitialshaaer, R. (2020). An Exploratory Study of the Obstacles for Achieving Quality in Distance Learning during the COVID-19 Pandemic. Education Sciences, 10(9), 232. https://doi.org/10.3390/educsci10090232
Lee, D. J. (2021). Relationships among the Degree of Participation in Physical Activity, Self-Concept Clarity, and COVID-19 Stress in Adolescents. Healthcare, 9(4), 482. https://doi.org/10.3390/healthcare9040482
Rogers, C. R. (1967). On becoming a person: A therapist's view of psychotherapy. Houghton Mifflin.
Singh, D. (1968). Estimates in Successive Sampling Using a Multi-Stage Design. Journal of the American Statistical Association, 63(321), 99–112. https://doi.org/10.1080/01621459.1968.11009225
Singh, S., Roy, D., Sinha, K., Parveen, S., Sharma, G., & Joshi, G. (2020). Impact of COVID-19 and lockdown on mental health of children and adolescents: A narrative review with recommendations. Psychiatry Research, 293, 113429. https://doi.org/10.1016/j.psychres.2020.113429
Utomo, M. N. Y., Sudaryanto, M., & Saddhono, K. (2020). Tools and strategy for distance learning to respond COVID-19 pandemic in Indonesia. Ingénierie des Systèmes d’Information, 25(3), 383–390. https://doi.org/10.18280/isi.250314
Yehuda, R. (2021). Stress and mental health in times of COVID-19. Nature Human Behaviour, 5(10), 1303-1304.
Zander, L. (2022). Student well-being and learning in times of COVID-19: What have we learnt and where do we go from here?. European Journal of Education, 57(3), 333-339. https://doi.org/10.1111/ejed.12531
Zobeida, S., Pilco, S., Yang, Y., & Zhang, Z. (2022). Student engagement in online learning in Latin American higher education during the COVID-19 pandemic: A systematic review. British Journal of Educational Technology, 53(3), 593-619. https://doi.org/10.1111/bjet.13190
